Ir pierādīts, ka propionskābe (PPA), pretsēnīšu līdzeklis un izplatīta uztura piedeva, pelēm izraisa patoloģisku neiroattīstību, ko pavada kuņģa-zarnu trakta disfunkcija, ko var izraisīt zarnu disbioze. Ir ierosināta saikne starp uztura PPA iedarbību un zarnu mikrobiotas disbiozi, taču tā nav tieši pētīta. Šeit mēs pētījām ar PPA saistītās izmaiņas zarnu mikrobiotas sastāvā, kas var izraisīt disbiozi. Peļu, kurām tika dota neapstrādāta diēta (n = 9) un ar PPA bagātināta diēta (n = 13), zarnu mikrobiomi tika sekvencēti, izmantojot tāla darbības rādiusa metagenomisko sekvencēšanu, lai novērtētu atšķirības mikrobu sastāvā un baktēriju metabolisma ceļos. Ar uzturu uzņemtais PPA bija saistīts ar nozīmīgu taksonu skaita palielināšanos, tostarp vairāku Bacteroides, Prevotella un Ruminococcus sugu, kuru pārstāvji iepriekš ir iesaistīti PPA ražošanā. Peļu, kurām tika pakļautas PPA, mikrobiomiem bija arī vairāk ceļu, kas saistīti ar lipīdu metabolismu un steroīdu hormonu biosintēzi. Mūsu rezultāti liecina, ka PPA var mainīt zarnu mikrobiotu un ar to saistītos metabolisma ceļus. Šīs novērotās izmaiņas uzsver, ka konservanti, kas klasificēti kā droši lietošanai pārtikā, var ietekmēt zarnu mikrobiotas sastāvu un līdz ar to arī cilvēku veselību. No tiem atkarībā no analizējamā klasifikācijas līmeņa tiek izvēlēts P, G vai S. Lai samazinātu kļūdaini pozitīvu klasifikāciju ietekmi, tika pieņemts minimālais relatīvā daudzuma slieksnis 1e-4 (1/10 000 lasījumu). Pirms statistiskās analīzes Brekena ziņotie relatīvie daudzumi (frakcija_kopējais_lasījumu skaits) tika transformēti, izmantojot centrēto logaritmiskās attiecības (CLR) transformāciju (Aitchison, 1982). CLR metode tika izvēlēta datu transformācijai, jo tā ir mēroga invarianta un pietiekama neretām datu kopām (Gloor et al., 2017). CLR transformācijā tiek izmantots naturālais logaritms. Brekena ziņotie skaitīšanas dati tika normalizēti, izmantojot relatīvā logaritmiskā izteiksme (RLE) (Anders un Huber, 2010). Attēli tika ģenerēti, izmantojot matplotlib v. 3.7.1, seaborn v. 3.7.2 un secīgo logaritmu kombināciju (Gloor et al., 2017). 0,12,2 un stantanotācijas v. 0,5,0 (Hunter, 2007; Waskom, 2021; Charlier et al., 2022). Bacillus/Bacteroidetes attiecība tika aprēķināta katram paraugam, izmantojot normalizētu baktēriju skaitu. Tabulās norādītās vērtības ir noapaļotas līdz 4 zīmēm aiz komata. Simpsona daudzveidības indekss tika aprēķināts, izmantojot alpha_diversity.py skriptu, kas iekļauts KrakenTools v. 1.2 pakotnē (Lu et al., 2022). Skriptā ir sniegts Brekena ziņojums, un -an parametram ir norādīts Simpsona indekss “Si”. Būtiskas atšķirības pārpilnībā tika definētas kā vidējās CLR atšķirības ≥ 1 vai ≤ -1. Vidējā CLR starpība ±1 norāda uz parauga veida pārpilnības palielināšanos 2,7 reizes. Zīme (+/-) norāda, vai taksons ir lielāks attiecīgi PPA paraugā un kontroles paraugā. Nozīmīgums tika noteikts, izmantojot Manna-Vitnija U testu (Virtanen et al., 2020). Tika izmantota Statsmodels versija 0,14 (Benjamini un Hochberg, 1995; Seabold un Perktold, 2010), un, lai koriģētu vairāku testu rezultātus, tika piemērota Benjamini-Hochberg procedūra. Kā statistiskās nozīmības noteikšanas slieksnis tika izmantota koriģēta p-vērtība ≤ 0,05.
Cilvēka mikrobiomu bieži dēvē par “ķermeņa pēdējo orgānu”, un tam ir būtiska loma cilvēka veselībā (Baquero un Nombela, 2012). Jo īpaši zarnu mikrobioms ir atzīts par tā ietekmi visā sistēmā un lomu daudzās būtiskās funkcijās. Komensālās baktērijas ir daudz zarnās, aizņemot vairākas ekoloģiskās nišas, izmantojot barības vielas un konkurējot ar potenciālajiem patogēniem (Jandhyala et al., 2015). Dažādie zarnu mikrobiotas baktēriju komponenti spēj ražot svarīgas barības vielas, piemēram, vitamīnus, un veicināt gremošanu (Rowland et al., 2018). Ir arī pierādīts, ka baktēriju metabolīti ietekmē audu attīstību un uzlabo vielmaiņas un imūnsistēmas darbību (Heijtz et al., 2011; Yu et al., 2022). Cilvēka zarnu mikrobioma sastāvs ir ārkārtīgi daudzveidīgs un atkarīgs no ģenētiskiem un vides faktoriem, piemēram, uztura, dzimuma, medikamentiem un veselības stāvokļa (Kumbhare et al., 2019).
Mātes uzturs ir kritiski svarīga augļa un jaundzimušā attīstības sastāvdaļa un iespējamais savienojumu avots, kas var ietekmēt attīstību (Bazer et al., 2004; Innis, 2014). Viens no šādiem interesantiem savienojumiem ir propionskābe (PPA) — īsas ķēdes taukskābes blakusprodukts, kas iegūts baktēriju fermentācijas rezultātā, un pārtikas piedeva (den Besten et al., 2013). PPA piemīt antibakteriālas un pretsēnīšu īpašības, tāpēc to izmanto kā pārtikas konservantu un rūpnieciskos pielietojumos, lai kavētu pelējuma un baktēriju augšanu (Wemmenhove et al., 2016). PPA dažādos audos ir atšķirīga iedarbība. Aknās PPA piemīt pretiekaisuma iedarbība, ietekmējot citokīnu ekspresiju makrofāgos (Kawasoe et al., 2022). Šī regulējošā iedarbība ir novērota arī citās imūnās šūnās, izraisot iekaisuma nomākšanu (Haase et al., 2021). Tomēr smadzenēs ir novērota pretēja iedarbība. Iepriekšējie pētījumi liecina, ka PPA iedarbība izraisa autismam līdzīgu uzvedību pelēm (El-Ansary et al., 2012). Citi pētījumi ir parādījuši, ka PPA var izraisīt gliozi un aktivizēt iekaisumu veicinošus ceļus smadzenēs (Abdelli et al., 2019). Tā kā PPA ir vāja skābe, tā var difundēt caur zarnu epitēliju asinsritē un tādējādi šķērsot ierobežojošas barjeras, tostarp hematoencefālisko barjeru, kā arī placentu (Stinson et al., 2019), uzsverot PPA nozīmi kā regulējošam metabolītam, ko ražo baktērijas. Lai gan PPA potenciālā loma kā autisma riska faktors pašlaik tiek pētīta, tā ietekme uz cilvēkiem ar autismu var sniegties tālāk par neironu diferenciācijas izraisīšanu.
Kuņģa-zarnu trakta simptomi, piemēram, caureja un aizcietējums, ir bieži sastopami pacientiem ar neiroloģiskās attīstības traucējumiem (Cao et al., 2021). Iepriekšējie pētījumi liecina, ka pacientu ar autisma spektra traucējumiem (AST) mikrobioms atšķiras no veselu indivīdu mikrobioma, kas liecina par zarnu mikrobiotas disbiozes klātbūtni (Finegold et al., 2010). Līdzīgi arī pacientu ar iekaisīgu zarnu slimībām, aptaukošanos, Alcheimera slimību u.c. mikrobioma īpašības atšķiras no veselu indivīdu mikrobioma īpašībām (Turnbaugh et al., 2009; Vogt et al., 2017; Henke et al., 2019). Tomēr līdz šim nav noteikta cēloņsakarība starp zarnu mikrobiomu un neiroloģiskām slimībām vai simptomiem (Yap et al., 2021), lai gan tiek uzskatīts, ka dažos no šiem slimību stāvokļiem ir nozīme vairākām baktēriju sugām. Piemēram, Akkermansia, Bacteroides, Clostridium, Lactobacillus, Desulfovibrio un citas ģintis ir daudz izplatītākas pacientu ar autismu mikrobiotā (Tomova et al., 2015; Golubeva et al., 2017; Cristiano et al., 2018; Zurita et al., 2020). Jāatzīmē, ka dažu šo ģinšu pārstāvju sugām ir gēni, kas saistīti ar PPA ražošanu (Reichardt et al., 2014; Yun and Lee, 2016; Zhang et al., 2019; Baur and Dürre, 2023). Ņemot vērā PPA antimikrobiālās īpašības, tā daudzuma palielināšana var būt labvēlīga PPA producējošo baktēriju augšanai (Jacobson et al., 2018). Tādējādi PFA bagāta vide var izraisīt izmaiņas zarnu mikrobiotā, tostarp kuņģa-zarnu trakta patogēnos, kas var būt potenciāli faktori, kas izraisa kuņģa-zarnu trakta simptomus.
Galvenais jautājums mikrobioma pētījumos ir, vai atšķirības mikrobu sastāvā ir pamatā esošo slimību cēlonis vai simptoms. Pirmais solis, lai noskaidrotu sarežģīto saistību starp uzturu, zarnu mikrobiomu un neiroloģiskajām slimībām, ir novērtēt uztura ietekmi uz mikrobu sastāvu. Šajā nolūkā mēs izmantojām ilgstošas lasīšanas metagenomisko sekvencēšanu, lai salīdzinātu peļu, kurām tika dota ar PPA bagāta vai ar PPA novājināta diēta, pēcnācēju zarnu mikrobiomas. Pēcnācēji tika baroti ar tādu pašu diētu kā viņu mātes. Mēs izvirzījām hipotēzi, ka ar PPA bagāta diēta izraisīs izmaiņas zarnu mikrobu sastāvā un mikrobu funkcionālajos ceļos, īpaši tajos, kas saistīti ar PPA metabolismu un/vai PPA ražošanu.
Šajā pētījumā tika izmantotas FVB/N-Tg(GFAP-GFP)14Mes/J transgēnas peles (Jackson Laboratories), kas pārmērīgi ekspresē zaļo fluorescējošo proteīnu (GFP) gliašūnu specifiskā GFAP promotera kontrolē, ievērojot Centrālās Floridas Universitātes Dzīvnieku aprūpes un izmantošanas komitejas (UCF-IACUC) vadlīnijas (Dzīvnieku izmantošanas atļaujas numurs: PROTO202000002). Pēc atšķiršanas peles tika izmitinātas atsevišķi sprostos pa 1–5 pelēm no katra dzimuma katrā sprostā. Pelēm tika dota neierobežota deva vai nu attīrītai kontroles diētai (modificētai atvērtai standarta diētai, 16 kcal% tauku), vai ar nātrija propionātu papildinātai diētai (modificētai atvērtai standarta diētai, 16 kcal% tauku, kas satur 5000 ppm nātrija propionāta). Izmantotā nātrija propionāta daudzums bija līdzvērtīgs 5000 mg PFA/kg kopējās pārtikas masas. Šī ir augstākā PPA koncentrācija, kas apstiprināta lietošanai kā pārtikas konservants. Lai sagatavotos šim pētījumam, vecāku pelēm 4 nedēļas pirms pārošanās un turpināja barot abas diētas visā mātes grūtniecības laikā. Pēcnācēji [22 peles, 9 kontroles grupas peles (6 tēviņi, 3 mātītes) un 13 PPA grupas peles (4 tēviņi, 9 mātītes)] tika atšķirti un pēc tam 5 mēnešus turpināja dot to pašu diētu kā mātītēm. Pēcnācēji tika nogalināti 5 mēnešu vecumā, un to zarnu fekāliju saturs tika savākts un sākotnēji uzglabāts 1,5 ml mikrocentrifūgas mēģenēs -20°C temperatūrā un pēc tam pārvietots uz -80°C saldētavu, līdz saimnieka DNS bija noplicināta un mikrobiālās nukleīnskābes tika ekstrahētas.
Saimnieka DNS tika noņemta saskaņā ar modificētu protokolu (Charalampous et al., 2019). Īsumā, fekāliju saturs tika pārvietots uz 500 µl InhibitEX (Qiagen, Cat#/ID: 19593) un uzglabāts saldētavā. Vienā ekstrakcijā apstrādājiet ne vairāk kā 1-2 fekāliju granulas. Pēc tam fekāliju saturs tika mehāniski homogenizēts, izmantojot plastmasas piestu mēģenē, lai izveidotu suspensiju. Centrifugējiet paraugus ar 10 000 RCF 5 minūtes vai līdz paraugi ir sabrukuši granulās, pēc tam aspirējiet supernatantu un atkārtoti suspendējiet granulu 250 µl 1× PBS. Pievienojiet paraugam 250 µl 4,4% saponīna šķīduma (TCI, produkta numurs S0019) kā mazgāšanas līdzekli, lai atbrīvotu eikariotu šūnu membrānas. Paraugi tika viegli sajaukti līdz gludai masai un inkubēti istabas temperatūrā 10 minūtes. Pēc tam, lai iznīcinātu eikariotu šūnas, paraugam pievienoja 350 μl nukleāzes nesaturoša ūdens, inkubēja 30 sekundes un pēc tam pievienoja 12 μl 5 M NaCl. Pēc tam paraugus centrifugēja ar ātrumu 6000 RCF 5 minūtes. Nosūc supernatantu un atkārtoti suspendē nogulsnes 100 μl 1X PBS. Lai noņemtu saimnieka DNS, pievieno 100 μl HL-SAN buferšķīduma (12,8568 g NaCl, 4 ml 1 M MgCl2, 36 ml nukleāzes nesaturoša ūdens) un 10 μl HL-SAN enzīma (ArticZymes P/N 70910-202). Paraugi tika rūpīgi sajaukti ar pipeti un inkubēti 37 °C temperatūrā 30 minūtes ar 800 apgr./min, izmantojot Eppendorf™ ThermoMixer C. Pēc inkubācijas centrifugēja ar 6000 RCF 3 minūtes un divas reizes mazgāja ar 800 µl un 1000 µl 1X PBS. Visbeidzot, nogulsnes atkārtoti suspendēja 100 µl 1X PBS.
Kopējā baktēriju DNS tika izolēta, izmantojot New England Biolabs Monarch Genomic DNA Purification Kit (New England Biolabs, Ipswich, MA, kat.nr. T3010L). Komplektā iekļautā standarta darbības procedūra ir nedaudz modificēta. Pirms operācijas inkubējiet un uzturiet nukleāzes nesaturošu ūdeni 60°C temperatūrā, lai veiktu galīgo eluēšanu. Katram paraugam pievienojiet 10 µl proteināzes K un 3 µl RNāzes A. Pēc tam pievienojiet 100 µl šūnu līzes bufera un viegli samaisiet. Pēc tam paraugus inkubēja Eppendorf™ ThermoMixer C 56°C temperatūrā un ar ātrumu 1400 apgr./min vismaz 1 stundu un līdz 3 stundām. Inkubētos paraugus centrifugēja ar ātrumu 12 000 RCF 3 minūtes, un katra parauga supernatantu pārnesa uz atsevišķu 1,5 ml mikrocentrifūgas mēģeni, kas saturēja 400 µl saistīšanas šķīduma. Pēc tam mēģenes tika pulsēti vorteksā 5–10 sekundes ar 1 sekundes intervālu. Katra parauga visu šķidro saturu (aptuveni 600–700 µL) pārnesiet uz filtra kārtridžu, kas ievietots caurplūdes savākšanas mēģenē. Mēģenes tika centrifugētas ar 1000 RCF 3 minūtes, lai nodrošinātu sākotnējo DNS saistīšanos, un pēc tam centrifugētas ar 12 000 RCF 1 minūti, lai noņemtu atlikušo šķidrumu. Parauga kolonna tika pārvietota uz jaunu savākšanas mēģeni un pēc tam divas reizes mazgāta. Pirmajai mazgāšanai katrā mēģenē pievienojiet 500 µL mazgāšanas buferšķīduma. Apgrieziet mēģeni 3–5 reizes un pēc tam centrifugējiet ar 12 000 RCF 1 minūti. Izlejiet šķidrumu no savākšanas mēģenes un ievietojiet filtra kārtridžu atpakaļ tajā pašā savākšanas mēģenē. Otrajai mazgāšanai filtrā pievienojiet 500 µL mazgāšanas buferšķīduma, to neapgriežot. Paraugi tika centrifugēti ar 12 000 RCF 1 minūti. Pārnesiet filtru uz 1,5 ml LoBind® mēģeni un pievienojiet 100 µL iepriekš uzsildīta ūdens bez nukleāzes. Filtri tika inkubēti istabas temperatūrā 1 minūti un pēc tam centrifugēti ar 12 000 RCF 1 minūti. Eluētā DNS tika uzglabāta -80 °C temperatūrā.
DNS koncentrācija tika kvantitatīvi noteikta, izmantojot Qubit™ 4.0 fluorometru. DNS tika sagatavota, izmantojot Qubit™ 1X dsDNA High Sensitivity Kit (kat. Nr. Q33231) saskaņā ar ražotāja norādījumiem. DNS fragmentu garuma sadalījums tika mērīts, izmantojot Aglient™ 4150 vai 4200 TapeStation. DNS tika sagatavota, izmantojot Agilent™ Genomic DNA Reagents (kat. Nr. 5067-5366) un Genomic DNA ScreenTape (kat. Nr. 5067-5365). Bibliotēkas sagatavošana tika veikta, izmantojot Oxford Nanopore Technologies™ (ONT) Rapid PCR Barcoding Kit (SQK-RPB004) saskaņā ar ražotāja norādījumiem. DNS tika sekvencēta, izmantojot ONT GridION™ Mk1 sekvencētāju ar Min106D plūsmas šūnu (R 9.4.1). Sekvencēšanas iestatījumi bija: augstas precizitātes bāzes noteikšana, minimālā q vērtība 9, svītrkoda iestatīšana un svītrkoda apgriešana. Paraugi tika sekvencēti 72 stundas, pēc tam bāzes noteikšanas dati tika iesniegti tālākai apstrādei un analīzei.
Bioinformātiskā apstrāde tika veikta, izmantojot iepriekš aprakstītās metodes (Greenman et al., 2024). No sekvencēšanas iegūtie FASTQ faili tika sadalīti direktorijās katram paraugam. Pirms bioinformātiskās analīzes dati tika apstrādāti, izmantojot šādu procesu: vispirms paraugu FASTQ faili tika apvienoti vienā FASTQ failā. Pēc tam nolasījumi, kas īsāki par 1000 bp, tika filtrēti, izmantojot Filtlong v. 0.2.1, kur vienīgais mainītais parametrs bija –min_length 1000 (Wick, 2024). Pirms turpmākas filtrēšanas nolasījumu kvalitāte tika kontrolēta, izmantojot NanoPlot v. 1.41.3 ar šādiem parametriem: –fastq –plots dot –N50 -o
Taksonomiskai klasifikācijai nolasījumi un saliktie kontigi tika klasificēti, izmantojot Kraken2 v. 2.1.2 (Wood et al., 2019). Ģenerējiet pārskatus un izvades failus attiecīgi nolasījumiem un saliktajiem elementiem. Izmantojiet opciju –use-names, lai analizētu nolasījumus un saliktos elementus. Nolasītajiem segmentiem ir norādītas opcijas –gzip-compressed un –paired. Taksonu relatīvais daudzums metagenomās tika aprēķināts, izmantojot Bracken v. 2.8 (Lu et al., 2017). Vispirms mēs izveidojām kmer datubāzi, kas satur 1000 bāzes, izmantojot bracken-build ar šādiem parametriem: -d
Gēnu anotācija un relatīvā daudzuma novērtējums tika veikts, izmantojot Maranga et al. aprakstītā protokola modificētu versiju (Maranga et al., 2023). Vispirms no visiem kompleksiem, izmantojot SeqKit v. 2.5.1 (Shen et al., 2016), tika noņemti kontigi, kas īsāki par 500 bp. Atlasītie kompleksi pēc tam tika apvienoti pan-metagenomā. Atvērtie lasīšanas rāmji (ORF) tika identificēti, izmantojot Prodigal v. 1.0.1 (Prodigal v. 2.6.3 paralēlā versija) ar šādiem parametriem: -d
Gēni vispirms tika grupēti saskaņā ar Kioto Gēnu un genomu enciklopēdijas (KEGG) ortologu (KO) identifikatoriem, ko piešķīra eggNOG, lai salīdzinātu gēnu ceļu pārpilnību. Gēni bez izslēgšanas elementiem vai gēni ar vairākiem izslēgšanas elementiem tika noņemti pirms analīzes. Pēc tam tika aprēķināts katra KO vidējais pārpilnība vienā paraugā un veikta statistiskā analīze. PPA metabolisma gēni tika definēti kā jebkurš gēns, kam KEGG_Pathway kolonnā tika piešķirta rinda ko00640, norādot uz lomu propionāta metabolismā saskaņā ar KEGG. Gēni, kas identificēti kā saistīti ar PPA ražošanu, ir uzskaitīti 1. papildtabulā (Reichardt et al., 2014; Yang et al., 2017). Permutācijas testi tika veikti, lai identificētu PPA metabolisma un ražošanas gēnus, kas bija ievērojami vairāk katrā parauga tipā. Katram analizētajam gēnam tika veiktas tūkstoš permutācijas. Lai noteiktu statistisko nozīmīgumu, kā robežvērtība tika izmantota p-vērtība 0,05. Funkcionālās anotācijas tika piešķirtas atsevišķiem gēniem klasterī, pamatojoties uz reprezentatīvo gēnu anotācijām klasterī. Ar PPA metabolismu un/vai PPA ražošanu saistītos taksonus varēja identificēt, saskaņojot kontigu ID Kraken2 izvades failos ar tiem pašiem kontigu ID, kas saglabāti funkcionālās anotācijas laikā, izmantojot eggNOG. Nozīmīguma pārbaude tika veikta, izmantojot iepriekš aprakstīto Manna-Vitnija U testu. Korekcija vairākkārtējai testēšanai tika veikta, izmantojot Benjamini-Hohberga procedūru. Lai noteiktu statistisko nozīmīgumu, kā robežvērtība tika izmantota p-vērtība ≤ 0,05.
Peļu zarnu mikrobioma daudzveidība tika novērtēta, izmantojot Simpsona daudzveidības indeksu. Starp kontroles un PPA paraugiem netika novērotas būtiskas atšķirības ģinšu un sugu daudzveidības ziņā (ģints p-vērtība: 0,18, sugas p-vērtība: 0,16) (1. attēls). Pēc tam mikrobu sastāvs tika salīdzināts, izmantojot galveno komponentu analīzi (PCA). 2. attēlā parādīta paraugu klasterizācija pēc to filām, kas norāda, ka mikrobiomu sugu sastāvā pastāv atšķirības starp PPA un kontroles paraugiem. Šī klasterizācija bija mazāk izteikta ģints līmenī, kas liecina, ka PPA ietekmē noteiktas baktērijas (1. papildattēls).
1. attēls. Ģinšu alfa daudzveidība un peles zarnu mikrobioma sugu sastāvs. Kastīšu diagrammas, kas parāda Simpsona daudzveidības indeksus ģintīm (A) un sugām (B) PPA un kontroles paraugos. Nozīmīgums tika noteikts, izmantojot Manna-Vitnija U testu, un daudzkārtēja korekcija tika veikta, izmantojot Benjamini-Hohberga procedūru. ns, p-vērtība nebija statistiski nozīmīga (p>0,05).
2. attēls. Peles zarnu mikrobioma sastāva galveno komponentu analīzes rezultāti sugu līmenī. Galveno komponentu analīzes grafiks parāda paraugu sadalījumu pa to pirmajiem diviem galvenajiem komponentiem. Krāsas norāda parauga veidu: PPA iedarbībai pakļautās peles ir violetas, bet kontroles peles ir dzeltenas. 1. un 2. galvenais komponents ir attēlots attiecīgi uz x ass un y ass un ir izteikts kā to izskaidrotā dispersijas attiecība.
Izmantojot RLE transformētus skaitīšanas datus, kontroles un PPA pelēm tika novērota būtiska Bacteroidetes/Bacilles attiecības vidējā samazināšanās (kontrole: 9,66, PPA: 3,02; p-vērtība = 0,0011). Šī atšķirība bija saistīta ar lielāku Bacteroidetes daudzumu PPA pelēm salīdzinājumā ar kontroles grupām, lai gan atšķirība nebija nozīmīga (kontroles vidējais CLR: 5,51, PPA vidējais CLR: 6,62; p-vērtība = 0,054), savukārt Bacteroidetes daudzums bija līdzīgs (kontroles vidējais CLR: 7,76, PPA vidējais CLR: 7,60; p-vērtība = 0,18).
Zarnu mikrobioma taksonomisko locekļu daudzuma analīze atklāja, ka 1 tips un 77 sugas būtiski atšķīrās starp PPA un kontroles paraugiem (2. papildtabula). 59 sugu daudzums PPA paraugos bija ievērojami lielāks nekā kontroles paraugos, savukārt tikai 16 sugu daudzums kontroles paraugos bija lielāks nekā PPA paraugos (3. attēls).
3. attēls. Taksonu atšķirīgā pārpilnība PPA un kontroles peļu zarnu mikrobiomā. Vulkāna diagrammas parāda ģinšu (A) vai sugu (B) pārpilnības atšķirības starp PPA un kontroles paraugiem. Pelēkie punkti norāda, ka taksonu pārpilnībā nav būtiskas atšķirības. Krāsainie punkti norāda uz būtiskām pārpilnības atšķirībām (p-vērtība ≤ 0,05). 20 galvenie taksoni ar lielākajām pārpilnības atšķirībām starp paraugu veidiem ir parādīti attiecīgi sarkanā un gaiši zilā krāsā (kontroles un PPA paraugos). Dzeltenie un violetie punkti bija vismaz 2,7 reizes vairāk kontroles vai PPA paraugos nekā kontroles paraugos. Melnie punkti attēlo taksonus ar būtiski atšķirīgu pārpilnību, ar vidējām CLR atšķirībām starp -1 un 1. P vērtības tika aprēķinātas, izmantojot Manna-Vitnija U testu, un koriģētas vairākiem testiem, izmantojot Benjamini-Hohberga procedūru. Treknrakstā izceltās vidējās CLR atšķirības norāda uz būtiskām pārpilnības atšķirībām.
Pēc zarnu mikrobu sastāva analīzes veicām mikrobioma funkcionālo anotāciju. Pēc zemas kvalitātes gēnu filtrēšanas visos paraugos tika identificēti kopumā 378 355 unikāli gēni. Šo gēnu transformētais daudzums tika izmantots galveno komponentu analīzei (PCA), un rezultāti parādīja augstu paraugu tipu klasterizācijas pakāpi, pamatojoties uz to funkcionālajiem profiliem (4. attēls).
4. attēls. PCA rezultāti, izmantojot peles zarnu mikrobioma funkcionālo profilu. PCA diagramma parāda paraugu sadalījumu pa to pirmajiem diviem galvenajiem komponentiem. Krāsas norāda parauga veidu: PPA iedarbībai pakļautās peles ir violetas, bet kontroles peles ir dzeltenas. 1. un 2. galvenais komponents ir attēlots attiecīgi uz x ass un y ass un ir izteikts kā to izskaidrotā dispersijas attiecība.
Pēc tam mēs pārbaudījām KEGG izslēgšanas gēnu pārpilnību dažādos paraugu veidos. Kopumā tika identificēti 3648 unikāli izslēgšanas gēni, no kuriem 196 bija ievērojami vairāk kontroles paraugos un 106 bija vairāk PPA paraugos (5. attēls). Kontroles paraugos tika atklāti kopumā 145 gēni un PPA paraugos - 61 gēns, ar ievērojami atšķirīgu pārpilnību. Ar lipīdu un aminoskābju metabolismu saistītie ceļi bija ievērojami vairāk bagātināti PPA paraugos (3. papildtabula). Ar slāpekļa metabolismu un sēra releju sistēmām saistītie ceļi bija ievērojami vairāk bagātināti kontroles paraugos (3. papildtabula). Ar aminoskābju cukuru/nukleotīdu metabolismu (ko:K21279) un inozitola fosfāta metabolismu (ko:K07291) saistīto gēnu pārpilnība PPA paraugos bija ievērojami lielāka (5. attēls). Kontroles paraugos bija ievērojami vairāk gēnu, kas saistīti ar benzoāta metabolismu (ko:K22270), slāpekļa metabolismu (ko:K00368) un glikolīzi/glikoneoģenēzi (ko:K00131) (5. attēls).
5. att. KO diferenciālā pārpilnība PPA un kontroles peļu zarnu mikrobiomā. Vulkāna diagramma attēlo funkcionālo grupu (KO) pārpilnības atšķirības. Pelēkie punkti norāda KO, kuru pārpilnība starp paraugu veidiem būtiski neatšķīrās (p-vērtība > 0,05). Krāsainie punkti norāda uz būtiskām pārpilnības atšķirībām (p-vērtība ≤ 0,05). 20 KO ar lielākajām pārpilnības atšķirībām starp paraugu veidiem ir parādītas sarkanā un gaiši zilā krāsā, kas atbilst attiecīgi kontroles un PPA paraugiem. Dzeltenie un violetie punkti norāda KO, kas bija vismaz 2,7 reizes vairāk kontroles un PPA paraugos. Melnie punkti norāda KO ar būtiski atšķirīgu pārpilnību, ar vidējo CLR atšķirību starp -1 un 1. P vērtības tika aprēķinātas, izmantojot Manna-Vitnija U testu, un koriģētas vairākkārtējai salīdzināšanai, izmantojot Benjamini-Hohberga procedūru. NaN norāda, ka KO nepieder nevienam KEGG ceļam. Treknrakstā izceltās vidējās CLR atšķirības vērtības norāda uz būtiskām pārpilnības atšķirībām. Sīkāku informāciju par ceļiem, kuriem pieder uzskaitītās KO, skatiet 3. papildtabulā.
Starp anotētajiem gēniem 1601 gēnam bija būtiski atšķirīga sastopamība starp paraugu veidiem (p ≤ 0,05), un katrs gēns bija vismaz 2,7 reizes lielāks. No šiem gēniem 4 gēni bija vairāk kontroles paraugos, un 1597 gēni bija vairāk PPA paraugos. Tā kā PPA piemīt antimikrobiālas īpašības, mēs pārbaudījām PPA metabolisma un ražošanas gēnu daudzumu starp paraugu veidiem. Starp 1332 ar PPA metabolismu saistītajiem gēniem 27 gēni bija ievērojami vairāk kontroles paraugos, un 12 gēni bija vairāk PPA paraugos. Starp 223 ar PPA ražošanu saistītajiem gēniem 1 gēns bija ievērojami vairāk PPA paraugos. 6.A attēlā vēl vairāk parādīta lielāka PPA metabolismā iesaistīto gēnu sastopamība ar ievērojami lielāku daudzumu kontroles paraugos un lieliem efekta izmēriem, savukārt 6.B attēlā ir izcelti atsevišķi gēni ar ievērojami lielāku daudzumu, kas novērots PPA paraugos.
6. att. Ar PPA saistīto gēnu diferenciālā pārpilnība peles zarnu mikrobiomā. Vulkāna diagrammas attēlo atšķirības ar PPA metabolismu (A) un PPA ražošanu (B) saistīto gēnu pārpilnībā. Pelēkie punkti norāda gēnus, kuru pārpilnība starp paraugu veidiem būtiski neatšķīrās (p-vērtība > 0,05). Krāsainie punkti norāda uz būtiskām pārpilnības atšķirībām (p-vērtība ≤ 0,05). 20 gēni ar lielākajām pārpilnības atšķirībām ir parādīti attiecīgi sarkanā un gaiši zilā krāsā (kontroles un PPA paraugos). Dzelteno un violeto punktu pārpilnība kontroles un PPA paraugos bija vismaz 2,7 reizes lielāka nekā kontroles paraugos. Melnie punkti apzīmē gēnus ar būtiski atšķirīgu pārpilnību, ar vidējām CLR atšķirībām starp -1 un 1. P vērtības tika aprēķinātas, izmantojot Manna-Vitnija U testu, un koriģētas vairākiem salīdzinājumiem, izmantojot Benjamini-Hohberga procedūru. Gēni atbilst reprezentatīvajiem gēniem neredundantu gēnu katalogā. Gēnu nosaukumi sastāv no KEGG simbola, kas apzīmē KO gēnu. Treknrakstā izceltās vidējās CLR atšķirības norāda uz būtiski atšķirīgu pārpilnību. Domuzīme (-) norāda, ka KEGG datubāzē nav gēna simbola.
Taksoni ar gēniem, kas saistīti ar PPA metabolismu un/vai ražošanu, tika identificēti, saskaņojot kontigu taksonomisko identitāti ar gēna kontiga ID. Ģints līmenī tika atrastas 130 ģintis ar gēniem, kas saistīti ar PPA metabolismu, un 61 ģintij ar gēniem, kas saistīti ar PPA ražošanu (4. papildtabula). Tomēr nevienā ģintī netika konstatētas būtiskas atšķirības pārpilnībā (p > 0,05).
Sugu līmenī 144 baktēriju sugām tika konstatēti ar PPA metabolismu saistīti gēni, un 68 baktēriju sugām tika konstatēti ar PPA ražošanu saistīti gēni (5. papildtabula). Starp PPA metabolizētājām astoņām baktērijām bija vērojams ievērojams daudzuma pieaugums starp paraugu veidiem, un visām bija novērojamas būtiskas izmaiņas efektā (6. papildtabula). Visas identificētās PPA metabolizētājas ar būtiskām atšķirībām daudzumā bija lielākas PPA paraugos. Sugu līmeņa klasifikācija atklāja ģinšu pārstāvjus, kas būtiski neatšķīrās starp paraugu veidiem, tostarp vairākas Bacteroides un Ruminococcus sugas, kā arī Duncania dubois, Myxobacterium enterica, Monococcus pectinolyticus un Alcaligenes polymorpha. Starp PPA producējošajām baktērijām četrām baktērijām bija vērojamas būtiskas atšķirības daudzumā starp paraugu veidiem. Sugas ar būtiskām atšķirībām daudzumā bija Bacteroides novorossi, Duncania dubois, Myxobacterium enteritidis un Ruminococcus bovis.
Šajā pētījumā mēs pētījām PPA iedarbības ietekmi uz peļu zarnu mikrobiotu. PPA var izraisīt dažādas baktēriju reakcijas, jo to ražo noteiktas sugas, citas sugas to izmanto kā barības avotu vai tam piemīt pretmikrobu iedarbība. Tādēļ tā pievienošana zarnu videi, izmantojot uztura bagātinātājus, var radīt atšķirīgu ietekmi atkarībā no tolerances, uzņēmības un spējas to izmantot kā barības vielu avotu. Jutīgas baktēriju sugas var tikt eliminētas un aizstātas ar tām, kas ir izturīgākas pret PPA vai spēj to izmantot kā barības avotu, izraisot izmaiņas zarnu mikrobiotas sastāvā. Mūsu rezultāti atklāja būtiskas atšķirības mikrobu sastāvā, bet neietekmēja kopējo mikrobu daudzveidību. Vislielākā ietekme tika novērota sugu līmenī, vairāk nekā 70 taksoniem ievērojami atšķīrās pēc daudzuma starp PPA un kontroles paraugiem (2. papildtabula). Turpmāka PPA iedarbības pakļauto paraugu sastāva novērtēšana atklāja lielāku mikrobu sugu heterogenitāti salīdzinājumā ar nepakļautajiem paraugiem, kas liecina, ka PPA var uzlabot baktēriju augšanas īpašības un ierobežot baktēriju populācijas, kas var izdzīvot PPA bagātā vidē. Tādējādi PPA var selektīvi izraisīt izmaiņas, nevis plaši traucēt zarnu mikrobiotas daudzveidību.
Iepriekš ir pierādīts, ka pārtikas konservanti, piemēram, PPA, maina zarnu mikrobioma komponentu daudzumu, neietekmējot kopējo daudzveidību (Nagpal et al., 2021). Šeit mēs novērojām visspilgtākās atšķirības starp Bacteroidetes sugām Bacteroidetes tipā (agrāk pazīstams kā Bacteroidetes), kas bija ievērojami bagātinātas pelēm, kurām tika veikta PPA iedarbība. Palielināts Bacteroides sugu daudzums ir saistīts ar pastiprinātu gļotu degradāciju, kas var palielināt infekcijas risku un veicināt iekaisumu (Cornick et al., 2015; Desai et al., 2016; Penzol et al., 2019). Vienā pētījumā tika atklāts, ka jaundzimušām tēviņu pelēm, kuras tika ārstētas ar Bacteroides fragilis, bija raksturīga sociālā uzvedība, kas atgādināja autisma spektra traucējumus (ASD) (Carmel et al., 2023), un citi pētījumi ir parādījuši, ka Bacteroides sugas var mainīt imūnsistēmas aktivitāti un izraisīt autoimūnu iekaisīgu kardiomiopātiju (Gil-Cruz et al., 2019). Pelēm, kas pakļautas PPA iedarbībai, ievērojami palielinājās arī Ruminococcus, Prevotella un Parabacteroides ģinšu sugu skaits (Coretti et al., 2018). Dažas Ruminococcus sugas ir saistītas ar tādām slimībām kā Krona slimība, pateicoties producējošiem citokīniem (Henke et al., 2019), savukārt tādas Prevotella sugas kā Prevotella humani ir saistītas ar vielmaiņas slimībām, piemēram, hipertensiju un jutību pret insulīnu (Pedersen et al., 2016; Li et al., 2017). Visbeidzot, mēs atklājām, ka Bacteroidetes (agrāk pazīstamas kā Firmicutes) un Bacteroidetes attiecība bija ievērojami zemāka PPA iedarbībai pakļautām pelēm nekā kontroles pelēm, jo Bacteroidetes sugu kopējais daudzums bija lielāks. Šī attiecība iepriekš ir pierādīta kā svarīgs zarnu homeostāzes rādītājs, un šīs attiecības traucējumi ir saistīti ar dažādām slimībām (Turpin et al., 2016; Takezawa et al., 2021; An et al., 2023), tostarp iekaisīgām zarnu slimībām (Stojanov et al., 2020). Kopumā Bacteroidetes tipa sugas, šķiet, visspēcīgāk ietekmē paaugstināts PPA līmenis uzturā. Tas var būt saistīts ar augstāku PPA toleranci vai spēju izmantot PPA kā enerģijas avotu, kas ir pierādīts vismaz vienai sugai, Hoylesella enocea (Hitch et al., 2022). Alternatīvi, mātes PPA iedarbība var veicināt augļa attīstību, padarot peļu pēcnācēju zarnas uzņēmīgākas pret Bacteroidetes kolonizāciju; tomēr mūsu pētījuma dizains neļāva veikt šādu novērtējumu.
Metagenomiskā satura novērtējums atklāja būtiskas atšķirības ar PPA metabolismu un ražošanu saistīto gēnu daudzumā, un pelēm, kas bija pakļautas PPA iedarbībai, bija lielāks par PPA ražošanu atbildīgo gēnu daudzums, savukārt pelēm, kas nebija pakļautas PPA iedarbībai, bija lielāks par PAA metabolismu atbildīgo gēnu daudzums (6. attēls). Šie rezultāti liecina, ka PPA ietekme uz mikrobu sastāvu var nebūt saistīta tikai ar tā lietošanu, pretējā gadījumā ar PPA metabolismu saistīto gēnu daudzumam vajadzēja būt lielākam PPA iedarbībai pakļauto peļu zarnu mikrobiomā. Viens no skaidrojumiem ir tāds, ka PPA galvenokārt mediē baktēriju daudzumu, pateicoties tā antimikrobiālajai iedarbībai, nevis baktērijām to izmantojot kā barības vielu. Iepriekšējie pētījumi ir parādījuši, ka PPA devas atkarīgā veidā kavē Salmonella Typhimurium augšanu (Jacobson et al., 2018). Lielākas PPA koncentrācijas iedarbība var veicināt baktēriju selekciju, kas ir rezistentas pret tā antimikrobiālajām īpašībām un, iespējams, nespēj to metabolizēt vai ražot. Piemēram, vairākām Parabacteroides sugām PPA paraugos bija ievērojami lielāka pārpilnība, bet netika konstatēti ar PPA metabolismu vai ražošanu saistīti gēni (2., 4. un 5. papildtabula). Turklāt PPA ražošana kā fermentācijas blakusprodukts ir plaši izplatīta starp dažādām baktērijām (Gonzalez-Garcia et al., 2017). Lielāka baktēriju daudzveidība var būt iemesls lielākam ar PPA metabolismu saistīto gēnu pārpilnībai kontroles paraugos (Averina et al., 2020). Turklāt tikai 27 (2,14%) no 1332 gēniem tika prognozēti kā gēni, kas saistīti tikai ar PPA metabolismu. Daudzi ar PPA metabolismu saistītie gēni ir iesaistīti arī citos metabolisma ceļos. Tas vēl vairāk pierāda, ka PPA metabolismā iesaistīto gēnu pārpilnība kontroles paraugos bija lielāka; šie gēni var darboties ceļos, kas neizraisa PPA izmantošanu vai veidošanos kā blakusproduktu. Šajā gadījumā tikai viens ar PPA ģenerēšanu saistīts gēns uzrādīja būtiskas atšķirības pārpilnībā starp paraugu veidiem. Atšķirībā no gēniem, kas saistīti ar PPA metabolismu, PPA ražošanas marķiergēni tika atlasīti, jo tie ir tieši iesaistīti baktēriju PPA ražošanas ceļā. Pelēm, kas pakļautas PPA iedarbībai, visām sugām tika konstatēts ievērojami palielināts PPA daudzums un ražošanas jauda. Tas apstiprina prognozi, ka PPA atlasīs PPA ražotājus un tādējādi paredz, ka PPA ražošanas jauda palielināsies. Tomēr gēnu daudzums ne vienmēr korelē ar gēnu ekspresiju; tādēļ, lai gan ar PPA metabolismu saistīto gēnu daudzums kontroles paraugos ir lielāks, ekspresijas ātrums var atšķirties (Shi et al., 2014). Lai apstiprinātu saistību starp PPA producējošo gēnu izplatību un PPA ražošanu, ir nepieciešami pētījumi par PPA ražošanā iesaistīto gēnu ekspresiju.
PPA un kontroles metagenomu funkcionālā anotācija atklāja dažas atšķirības. PCA gēnu satura analīze atklāja atsevišķus klasterus starp PPA un kontroles paraugiem (5. attēls). Klasterizācija parauga ietvaros atklāja, ka kontroles gēnu saturs bija daudzveidīgāks, savukārt PPA paraugi grupējās. Klasterizācija pēc gēnu satura bija salīdzināma ar klasterizāciju pēc sugu sastāva. Tādējādi ceļu pārpilnības atšķirības atbilst izmaiņām specifisku sugu un celmu pārpilnībā tajos. PPA paraugos divi ceļi ar ievērojami lielāku pārpilnību bija saistīti ar aminocukuru/nukleotīdu cukuru metabolismu (ko:K21279) un vairākiem lipīdu metabolisma ceļiem (ko:K00647, ko:K03801; 3. papildtabula). Ir zināms, ka ar ko:K21279 saistītie gēni ir saistīti ar Bacteroides ģinti, vienu no ģintīm ar ievērojami lielāku sugu skaitu PPA paraugos. Šis enzīms var izvairīties no imūnās atbildes, ekspresējot kapsulas polisaharīdus (Wang et al., 2008). Tas varētu izskaidrot bakteroīdu skaita pieaugumu, kas novērots PPA iedarbībai pakļautām pelēm. Tas papildina palielināto taukskābju sintēzi, kas novērota PPA mikrobiomā. Baktērijas izmanto FASIIko:K00647 (fabB) ceļu, lai ražotu taukskābes, kas var ietekmēt saimnieka metabolisma ceļus (Yao un Rock, 2015; Johnson et al., 2020), un lipīdu metabolisma izmaiņas var ietekmēt neiroattīstību (Yu et al., 2020). Vēl viens ceļš, kas uzrāda palielinātu PPA paraugos esošo daudzumu, bija steroīdu hormonu biosintēze (ko:K12343). Arvien vairāk pierādījumu liecina, ka pastāv apgriezta saistība starp zarnu mikrobiotas spēju ietekmēt hormonu līmeni un spēju tikt ietekmētai no hormoniem, tāpēc paaugstināts steroīdu līmenis var radīt sekas veselībai (Tetel et al., 2018).
Šim pētījumam ir savi ierobežojumi un apsvērumi. Svarīga atšķirība ir tā, ka mēs neveicām dzīvnieku fizioloģiskos novērtējumus. Tāpēc nav iespējams tieši secināt, vai izmaiņas mikrobiomā ir saistītas ar kādu slimību. Vēl viens apsvērums ir tas, ka šajā pētījumā iesaistītās peles tika barotas ar tādu pašu barību kā to mātes. Turpmākie pētījumi varētu noteikt, vai pāreja no PPA bagātas diētas uz PPA nesaturošu diētu uzlabo tās ietekmi uz mikrobiomu. Viens no mūsu pētījuma ierobežojumiem, tāpat kā daudzu citu, ir ierobežotais izlases lielums. Lai gan var izdarīt pamatotus secinājumus, lielāks izlases lielums nodrošinātu lielāku statistisko jaudu, analizējot rezultātus. Mēs arī esam piesardzīgi, izdarot secinājumus par saistību starp izmaiņām zarnu mikrobiomā un jebkuru slimību (Yap et al., 2021). Traucējoši faktori, tostarp vecums, dzimums un uzturs, var būtiski ietekmēt mikroorganismu sastāvu. Šie faktori var izskaidrot literatūrā novērotās neatbilstības attiecībā uz zarnu mikrobioma saistību ar sarežģītām slimībām (Johnson et al., 2019; Lagod and Naser, 2023). Piemēram, ir pierādīts, ka Bacteroidetes ģints locekļu skaits dzīvniekiem un cilvēkiem ar autisma spektra traucējumiem ir vai nu palielināts, vai samazināts (Angelis et al., 2013; Kushak et al., 2017). Līdzīgi, pētījumos par zarnu sastāvu pacientiem ar iekaisīgu zarnu slimību ir konstatēts gan pieaugums, gan samazinājums vienādos taksonos (Walters et al., 2014; Forbes et al., 2018; Upadhyay et al., 2023). Lai ierobežotu dzimumu aizspriedumu ietekmi, mēs centāmies nodrošināt vienlīdzīgu dzimumu pārstāvību, lai atšķirības, visticamāk, būtu saistītas ar uzturu. Viens no funkcionālās anotācijas izaicinājumiem ir lieku gēnu secību noņemšana. Mūsu gēnu klasterizācijas metodei ir nepieciešama 95% secības identitāte un 85% garuma līdzība, kā arī 90% izlīdzināšanas pārklājums, lai novērstu viltus klasterizāciju. Tomēr dažos gadījumos mēs novērojām COG ar vienādām anotācijām (piemēram, MUT) (6. att.). Ir nepieciešami turpmāki pētījumi, lai noteiktu, vai šie ortologi ir atšķirīgi, saistīti ar specifiskām ģintīm vai arī tas ir gēnu klasterizācijas pieejas ierobežojums. Vēl viens funkcionālās anotācijas ierobežojums ir iespējama nepareiza klasifikācija; baktēriju gēns mmdA ir zināms enzīms, kas iesaistīts propionāta sintēzē, bet KEGG to nesaista ar propionāta metabolisma ceļu. Turpretī scpB un mmcD ortologi ir saistīti. Lielais gēnu skaits bez norādītām izslēgšanas mutācijām var apgrūtināt ar PPA saistītu gēnu identificēšanu, novērtējot gēnu pārpilnību. Turpmākajos pētījumos noderēs metatranskriptomu analīze, kas var sniegt dziļāku izpratni par zarnu mikrobiotas funkcionālajām īpašībām un saistīt gēnu ekspresiju ar potenciālu lejupēju ietekmi. Pētījumos, kas saistīti ar specifiskiem neiroattīstības traucējumiem vai iekaisīgām zarnu slimībām, ir nepieciešami dzīvnieku fizioloģiskie un uzvedības novērtējumi, lai saistītu mikrobioma sastāva izmaiņas ar šiem traucējumiem. Papildu pētījumi, transplantējot zarnu mikrobiomu bez mikrobiomiem, būtu noderīgi arī, lai noteiktu, vai mikrobioms ir slimības virzītājspēks vai raksturlielums.
Rezumējot, mēs pierādījām, ka uztura PPA darbojas kā faktors, kas maina zarnu mikrobiotas sastāvu. PPA ir Pārtikas un zāļu pārvaldes (FDA) apstiprināts konservants, kas plaši atrodams dažādos pārtikas produktos un ilgstošas iedarbības gadījumā var izraisīt normālas zarnu floras traucējumus. Mēs atklājām izmaiņas vairāku baktēriju daudzumā, kas liecina, ka PPA var ietekmēt zarnu mikrobiotas sastāvu. Izmaiņas mikrobiotā var izraisīt izmaiņas noteiktu vielmaiņas ceļu līmeņos, kas var novest pie fizioloģiskām izmaiņām, kas ir būtiskas saimnieka veselībai. Ir nepieciešami turpmāki pētījumi, lai noteiktu, vai uztura PPA ietekme uz mikrobu sastāvu var izraisīt disbiozi vai citas slimības. Šis pētījums liek pamatu turpmākiem pētījumiem par to, kā PPA ietekme uz zarnu sastāvu var ietekmēt cilvēku veselību.
Šajā pētījumā sniegtie datu kopumi ir pieejami tiešsaistes repozitorijos. Repozitorija nosaukums un piekļuves numurs ir: https://www.ncbi.nlm.nih.gov/, PRJNA1092431.
Šo pētījumu ar dzīvniekiem apstiprināja Centrālās Floridas Universitātes Dzīvnieku aprūpes un izmantošanas komiteja (UCF-IACUC) (Dzīvnieku izmantošanas atļaujas numurs: PROTO202000002). Šis pētījums atbilst vietējiem likumiem, noteikumiem un iestādes prasībām.
NG: Konceptualizācija, Datu apstrāde, Formālā analīze, Izpēte, Metodoloģija, Programmatūra, Vizualizācija, Rakstīšana (oriģinālā melnraksta izstrāde), Rakstīšana (pārskatīšana un rediģēšana). LA: Konceptualizācija, Datu apstrāde, Metodoloģija, Resursi, Rakstīšana (pārskatīšana un rediģēšana). SH: Formālā analīze, Programmatūra, Rakstīšana (pārskatīšana un rediģēšana). SA: Izpēte, Rakstīšana (pārskatīšana un rediģēšana). Galvenais tiesnesis: Izpēte, Rakstīšana (pārskatīšana un rediģēšana). SN: Konceptualizācija, Projektu administrēšana, Resursi, Uzraudzība, Rakstīšana (pārskatīšana un rediģēšana). TA: Konceptualizācija, Projektu administrēšana, Uzraudzība, Rakstīšana (pārskatīšana un rediģēšana).
Autori paziņoja, ka nav saņēmuši finansiālu atbalstu šī raksta izpētei, autorībai un/vai publicēšanai.
Autori paziņo, ka pētījums tika veikts bez jebkādām komerciālām vai finansiālām attiecībām, ko varētu interpretēt kā potenciālu interešu konfliktu. Nav piemērojams.
Visi šajā rakstā paustie viedokļi ir tikai autoru viedokļi un ne vienmēr atspoguļo viņu iestāžu, izdevēju, redaktoru vai recenzentu uzskatus. Izdevējs negarantē un neapstiprina nevienu šajā rakstā novērtēto produktu vai to ražotāju apgalvojumus.
Papildu materiālus šim rakstam var atrast tiešsaistē: https://www.frontiersin.org/articles/10.3389/frmbi.2024.1451735/full#supplementary-material
Abdelli LS, Samsam A, Nasser SA (2019). Propionskābe izraisa gliozi un neiroiekaisumu, regulējot PTEN/AKT ceļu autisma spektra traucējumu gadījumā. Scientific reports 9, 8824–8824. doi: 10.1038/s41598-019-45348-z
Aitchison, J. (1982). Sastāva datu statistiskā analīze. JR Stat Soc Ser B Methodol. 44, 139–160. doi: 10.1111/j.2517-6161.1982.tb01195.x
Ahn J, Kwon H, Kim YJ (2023). Firmicutes/Bacteroidetes attiecība kā krūts vēža riska faktors. Journal of Clinical Medicine, 12, 2216. doi: 10.3390/jcm12062216
Anderss S., Hūbers V. (2010). Secību skaita datu diferenciālās ekspresijas analīze. Nat Prev. 1–1, 1–10. doi: 10.1038/npre.2010.4282.1
Angelis, MD, Piccolo, M., Vannini, L., Siragusa, S., Giacomo, AD, Serrazanetti, DI, et al. (2013). Fekāliju mikrobiota un metaboloms bērniem ar autismu un pervazīviem attīstības traucējumiem, kas nav citādi norādīti. PloS One 8, e76993. doi: 10.1371/journal.pone.0076993
Averina OV, Kovtun AS, Polyakova SI, Savilova AM, Rebrikov DV, Danilenko VN (2020). Zarnu mikrobiotas bakteriālās neirometaboliskās īpašības maziem bērniem ar autisma spektra traucējumiem. Journal of Medical Microbiology 69, 558–571. doi: 10.1099/jmm.0.001178
Baquero F., Nombela K. (2012). Mikrobioms kā cilvēka orgāns. Clinical Microbiology and Infection 18, 2–4. doi: 10.1111/j.1469-0691.2012.03916.x
Baur T., Dürre P. (2023). Jaunas atziņas propionskābi producējošo baktēriju fizioloģijā: Anaerotignum propionicum un Anaerotignum neopropionicum (agrāk Clostridium propionicum un Clostridium neopropionicum). Microorganisms 11, 685. doi: 10.3390/microorganisms11030685
Bazer FW, Spencer TE, Wu G, Cudd TA, Meininger SJ (2004). Mātes uzturs un augļa attīstība. J Nutr. 134, 2169–2172. doi: 10.1093/jn/134.9.2169
Benjamini, Y. un Hochberg, J. (1995). Viltus pozitīvo rezultātu biežuma kontrole: praktiska un efektīva pieeja vairākkārtējai testēšanai. JR Stat Soc Ser B Methodol. 57, 289–300. doi: 10.1111/j.2517-6161.1995.tb02031.x
Publicēšanas laiks: 2025. gada 18. aprīlis