Mohou vaše střevní bakterie předpovědět váš věk a životní styl? Nová studie říká, že ano

Analýzou sítí společné hojnosti u 938 zdravých dospělých vědci objevili, jak faktory životního stylu nenápadně přepojují bakteriální vztahy ve střevech, a nabízejí tak účinnější způsob předpovídání zdravotních vlastností než modely založené na hojnosti.

Studie: Křížové a mezirodinné interakce pro věk, pohlaví, kouření a BMI. Obrazový kredit: Christoph Burgstedt / Shutterstock

V nedávné studii publikované v časopise Komunikační biologievýzkumníci zkoumali environmentální faktory spojené se společným výskytem v lidském střevě mikrobiom.

Složitost ekosystému střevního mikrobiomu

Rostoucí množství výzkumů popsalo rysy spojené se složením střevního mikrobiomu ve zdraví a nemoci. Některé z prominentních rysů zahrnují pohlaví, věk, genetiku hostitele a stravu. Některé aspekty vztahu hostitel-mikrobiom je však obtížné charakterizovat. Střevní mikrobiom je komplexní ekosystém a jeho složky tvoří subkomunity prostřednictvím interakcí mezi taxony.

Společná hojnost a funkční konektivita

Subkomunity vykazují společné hojnosti, protože spolupracují jako koherentní funkční skupina nebo využívají stejné zdroje z místního prostředí. Zkoumání společného množství taxonů a konektivity v rámci mikrobiomu může pomoci identifikovat charakteristiky, které by univariační přístupy jinak postrádaly. Neexistuje však žádná metoda zlatého standardu pro screening faktorů spojených se změnami ve společném výskytu bakterií u jedinců v populaci.

Metoda MANOCCA pro analýzu Co-abundance

V této studii výzkumníci charakterizovali asociace mezi faktory životního prostředí a změnami v síti společné hojnosti střevního mikrobiomu. Nejprve byla použita vícerozměrná analýza podmíněné kovarianční analýzy (MANOCCA) ke zkoumání souvislostí mezi 80 faktory prostředí (vlastnosti hostitele) a společným výskytem taxonů na úrovni čeledí, rodů a druhů pomocí dat od 938 zdravých účastníků.

Asociace mezi funkcemi hostitele a společným množstvím

Tato nová metoda řešila klíčová omezení předchozích přístupů tím, že podporovala kontinuální i kategorické prediktory, umožňovala kovariační úpravu a poskytovala formální statistický rámec pro společnou hojnost na individuální úrovni.

MANOCCA je přístup založený na kovarianci, který umožňuje formální statistické testování asociací mezi kovariancí taxonů a jakýmkoli prediktorem, a byl vyvinut s cílem řešit aktuální omezení.

Údaje o vlastnostech hostitele byly shromážděny na začátku a zahrnovaly demografické údaje, anamnézu, stravovací návyky a biomarkery. MANOCCA odhalila významné souvislosti s pohlavím, věkem a kouřením na všech třech taxonomických úrovních a indexu tělesné hmotnosti (BMI) na úrovni rodu.

Struktura sítě a interakce mezi rody

Pozoruhodné je, že asociace se společným výskytem taxonů byly obohaceny o nutriční vlastnosti, což ukazuje na mírný, ale systematický dopad stravy na síť interakce taxonů.

Dále tým odvodil váhy příspěvků pro pohlaví, věk, BMIa kuřácké signály s tím, že většina taxonů měla nenulové a v podstatě heterogenní příspěvky do asociace.

Hmotnosti MANOCCA byly porovnány s jednorozměrnými průměrnými asociacemi p-hodnoty odvozenými ze standardní lineární regrese. To odhalilo významnou pozitivní korelaci mezi těmito dvěma výsledky pro kouření, BMIvěk a pohlaví, což ukazuje na dvojí vliv na početnost a spolupočetnost mnoha rodů.

Jádro přibližně 200 rodů bylo systematicky ovlivňováno všemi čtyřmi faktory, což naznačuje ústřední roli ve struktuře sítě. Dále tým analyzoval charakteristiky horních 5% párů rodů, které nejvíce přispívají k variabilitě společného výskytu na úrovni čeledí. Mezi 151 rodinami 10, 8, 11 a 7 překrývajících se skupin rodin pokrývalo ≥ 50 % rodů s nejvyšším podílem na věku, pohlaví, kouření a BMIrespektive.

Včetně klíčových rodin Lachnospiraceae, Bacteroidaceae, Ruminococcaceae, Acutalibakteraceaea Oscillospiraceaese vzácnými rodinami jako např Eggerthellaceae, Peptostreptococcaceaea Mezi baculaceae. Zejména, Bacteroidaceae byly nedostatečně zastoupeny ve změnách co-abundance, zatímco Oscillospiraceae byly silně ovlivněny, zejména ve vztahu k BMI.

Analýza také identifikovala čtyři ko-abundantní skupiny (CAG-74, CAG-508, CAG-272 a CAG-138), které přispěly k signálu.

Křížové a mezirodinné interakce pro věk, pohlaví, kouření a BMI. Pro čtyři hlavní přidružené vlastnosti z MANOCCA (věk, pohlaví, BMI a kouření) jsme extrahovali 1 000 hlavních přispívajících párů rodů z celkových 259 560 produktů a odvodili směr účinku každého prediktoru na pár společné hojnosti. Vykreslili jsme Vennův diagram sdílených párů mezi každým prvkem v (A) a překrývání v taxonech v (b). v (C), ukazujeme rozložení směru účinků na prediktor a pro věk – kouření a pohlaví – průsečíky BMI. Poté jsme použili dvojice znaků k odvození sítě změn v korelaci s ohledem na každý prediktor. Velikost uzlu, reprezentující rod, je úměrná jeho počtu příspěvků s jinými rody a hrany spojují nejvýše přispívající páry. Barvy okrajů označují směr účinku, zelená značí, že zvýšení prediktoru vede ke zvýšení ko-abundance, červená ukazuje, že zvýšení prediktoru vede ke snížení ko-abundance a černá označuje smíšený směr účinku pro překrývající se prediktory. Barva každého uzlu závisí na tom, jak je sdílen mezi čtyřmi prediktory, a sleduje strukturu (b, C) Vennovy diagramy. Panel (d) zobrazuje počet hran zahrnutých v jednom prediktoru (Věk, Pohlaví, BMI, Kouření) a pomocí překrývajících se prediktorů (Věk a kouření, Pohlaví a BMI), přičemž červeně jsou okraje snížených společných výskytů a zeleně zvýšené souběžné výskyty. Šedé okraje označují smíšený směr efektů pro překrývající se prediktory. Konkrétně pro překrývání mezi pohlavím a BMI představuje hašovaná oblast okraje směrem ke zvýšenému společnému výskytu pro pohlaví a sníženému společnému výskytu pro BMI. Naopak šedá část pokrývá pokles u pohlaví, ale zvýšení u BMI.

Prediktivní výkon a závěry studie

Dále tým vygeneroval síť variací společného množství z 1000 nejlepších párů rodů přispívajících k asociačnímu signálu MANOCCA. Celkem 4000 párů zahrnovalo 476 unikátních rodů.

Pozoruhodné je, že výzkumníci pozorovali podstatné překrývání u párů společně hojných taxonů, které byly ovlivněny oběma BMI a pohlaví (658 sdílených párů), dále podle kouření a věku (306 sdílených párů). Zvýšené kouření a věk byly spojeny hlavně s poklesem co-abundance, zatímco vyšší BMI bylo spojeno s nárůstem.

Sex vykazoval smíšený vzor. Například, Bacteroides Prokázal snížený společný výskyt s mnoha základními taxony u kuřáků, navzdory žádné asociaci v relativním množství, což ilustruje, jak může kovarianční analýza odhalit interakční posuny, které tradiční metody založené na množství chybí. Nakonec tým vyhodnotil přesnost MANOCCA při předpovídání nejvíce souvisejících funkcí (BMIkouření, věk a pohlaví) pomocí taxonů na úrovni čeledí, rodů a druhů.

Přesnost byla stanovena pomocí plochy pod provozní charakteristikou přijímače a druhé mocniny korelace (r²) pro binární a spojité výsledky. Predikční model založený na kovarianci byl porovnán se standardním lineárním modelem založeným na relativní abundanci. Tým poznamenal, že MANOCCA překonala a byla výrazně přesnější než standardní model.

Zisk v predikci byl podstatně velký pro věk, s hodnotami mediánu r² (věk) 0,18 (rodina), 0,25 (rod) a 0,27 (druh) pro modely MANOCCA, což představuje trojnásobné zlepšení oproti modelům založeným na hojnosti.

Odpovídající odhady r² (věk) ze standardního modelu byly 0,05, 0,07 a 0,10. Predikce byla významně vyšší pro pohlaví na všech taxonomických úrovních pro MANOCCA.

Širší implikace a budoucí aplikace

V souhrnu studie zkoumala vztahy mezi charakteristikami hostitele a společným výskytem střevního mikrobiomu u zdravých jedinců. MANOCCA odhalila významné souvislosti mezi variabilitou ve společném výskytu taxonů a věkem, pohlavím, BMIa kouření.

Síť nejlépe přispívajících rodů odhalila, že variabilita interakcí byla omezena na malý počet čeledí. Společná variabilita výskytu byla soustředěna v omezeném počtu rodin, přičemž mezirodinné interakce výrazně převládaly nad vazbami v rámci rodiny. Kromě toho byly interakce primárně pozorovány spíše mezi rody odlišných rodin než v rámci stejné rodiny.

Rámec MANOCCA lze také využít k vývoji prediktivních modelů. Prediktivní síla modelů založených na společném množství taxonů byla výrazně vyšší než u standardního modelu založeného na množství pro všechny znaky. Autoři však poznamenali, že metoda MANOCCA vyžaduje velké velikosti vzorků (obvykle přes 100 účastníků) a explicitně nemodeluje kompoziční povahu dat mikrobiomu, která by měla být v budoucí práci upřesněna.