【多體學研究】揭示腸道菌與血液代謝物的因果關係

腸道菌、代謝物對疾病的影響可能不是單一隻菌或單一個代謝物導致，而是菌群與多種代謝物交互作用導致的結果。要探討因果關係，除了找尋相關文獻對單一交互作用的in vitro 或 in vivo 驗證和使用無菌鼠以及特定菌株驗證外，另一種方式則是利用『大數據』加上『生物資訊分析』來進行腸道菌、代謝物與疾病間的因果關係探討。
 

先前文獻不足之處

除了Human Microbiome Project (HMP)定序人類Metagenome外，先前在探討疾病與其他因子的關聯(GWAS)，大多用array的數據和糞便16S的方法來執行。
 

本篇貢獻

M-GWAS，使用WGS、Fecal metagenome和Blood metabolomics來研究(更深入、更全面性)，並找到58個因果關係，且重複了其中43個。 其中尚未被發現的包括腸道菌Oscilibacter 和Alistipes對於降低Triglyceride濃度有關。
 

使用分析方法

One sample and two-sample MR

Gut microbiome M-GWAS

Blood quantitative traits

Disease GWAS (from Japan Biobank)
 

實驗設計與流程

圖一提供了非常完整的實驗設計與流程，建議在閱讀文獻內容前可以先好好閱讀此圖，讓你更快速了解實驗設計。

本篇文獻其中的亮點之一，莫過於那龐大的樣本數，包括:

• Discovery cohort: 2,002樣本，含人體基本檢測值、血液代謝物與全基因體(high-depth whole genome, mean depth of 42X)數據。其中1,539樣本有腸道總體基因體(Gut metagenome)數據。
• Replication cohort: 1,430樣本，含人體基本檢測值、血液代謝物與全基因體(low-depth whole genome)數據。其中1,539樣本有腸道總體基因體(Gut metagenome)數據。

另一個本篇重點，在於使用孟德爾隨機化分析 (Mendelian randomization analysis, MR analysis)，那什麼是MR analysis? 就維基百科簡單的解釋『是指是一種使用測量的基因變異來確認暴露對結果的因果影響的方法。在關鍵假設下，該設計減少了反向因果關係和干擾因子，這通常會嚴重阻礙或誤導對流行病學研究結果的解釋。』(資料來源：wikipedia)

若想深入了解MR analysis，除了可以參考正文內的參考文獻(11, 12, 18, 55, 58, 59, 60, 61, 62, 63)外，還可以參考右邊的影片連結 https://youtu.be/Ne2F2XYsr08

 

人類遺傳變異與血液代謝物、腸道微生物的關係

首先進行Metagenome和Metabolome GWAS分析，用以偵測遺傳變異與腸道菌和代謝物的關係，得到了下面兩張圖。上圖是Metagenome GWAS，下圖是Metabolome GWAS。

圖的左側長條圖，X軸表示每個為生物特徵對應的獨立遺傳變異數，Y軸為毎個獨立預測因子下微生物/代謝物特徵的數量。

圖的右側圓圈內，柱狀的長度代表遺傳變異數，數量越多代表該菌屬/代謝物/人體基本檢測值影響較多的遺傳變異。

詳細哪些基因與腸道菌或代謝物有關，請詳見文章內容。



 

MR analysis 因果探討

GWAS的結果，提供後續MR analysis的方向，選取前500個相對豐度高的糞便微生物(Taxa and functional modules)和112個宿主代謝物進行分析。在one-sample MR共檢測出58條因果關係，而這58條在two-sample MR也有顯著差異。

文獻中特別將最具顯著差異的Oscillobacter與Triglyceride的檢驗結果列出，如下圖，可見在不論是discovery或replcation cohort，使用任一種MR analysis統計方式，皆有相近的結果，各方驗證這條因果關係的可信度。



 

接續根據MR的因果關連結果，後續繪製關聯性熱圖，共繪製2張，且兩張圖中都明顯看出有2大群聚集：

• 腸道菌對血液代謝物：含12個微生物與8個代謝物，共17條關聯。
• 血液代謝物對腸道菌：含33個微生物與7個代謝物，共41條關聯。

有些人可能會問，在關聯熱圖上有相關性，不代表這個菌種與代謝物一定有直接相關吧? 確實是如此，因此在文章內，針對有顯著差異的幾條關係線，除了以查找相關文獻來佐證外，也有進行in vitro的驗證(E.coli & 5-methyl THF)，將E.coli培養在高與低濃度的5-methyl THF，發現E.coli在高濃度的5-methyl THF下較低濃度的生長緩慢。

疾病與腸道菌的因果關係

除了使用上述中國人的樣本進行分析外，作者更使用Japan Biobank的資料庫來分析驗證。文中提到Japan Biobank, 基因結構相似中國人，但其資料庫中無amino acisd, hormones, microelements的資訊。以下列出幾個研究的結果有趣的是，特定菌種增加某些疾病風險但也降低某些疾病風險：

• E.coli增加尿石症(Urolithiasis, P = 0.009)和肝細胞癌(Hepatocellular carcinoma, P = 0.04)風險，但是減少間質性肺病(Interstitial lung disease, P = 0.007)風險。
• Salmonella enterica增加攝護腺癌(Prostate cancer)風險，但是減少肺部疾病(Lung disease)風險。
• Pseudomonadales是為一一個對肺結核(Pulmonary tuberculosis)有正向影響的微生物。
• Achromobacter為一種反硝化菌，增加異位性皮膚炎(Atopic dermatitis,P =0.005)、胃癌(Gastric cancer, P =0.008)、食道癌(Esophageal cancer, P =0.027)、膽道癌(Biliary tract cancer, P =0.034)風險。
• Bacteroides intestinalis在先前研究指出在動脈硬化心血管疾病(Atherosclerotic cardiovascular disease)患者中，相對較缺乏。在本篇研究中發現B. intestinalis隨著鉀離子(Potassium)而增加，而此菌對癲癇(Epilepsy)有負的影響。

下圖為各疾病與Proteobacteria與Escherichia coli的MR分析結果


 

本篇研究也能運用於疾病診斷與治療，比如下方的例子

孕婦飲食建議

黃體素(Progesterone)對於子宮內膜穩定與幫助孕期順利達到足月妊娠占重要角色。在本篇研究中指出，多醣(Polysaccharides)類比如果膠(Pectin)降解與黃體素的濃度有反向影響(Negatively affect)。因此穩定孕期除了直接投以黃酮素外，也可以藉由傳統飲食來調整。那這跟腸道菌有什麼關係呢？ 其實宿主無法直接代謝多醣，需要藉由結腸內的微生物來能分解喔！

痛風與果膠

高尿酸血症(Hyperuricemia) 和 痛風 (gout)，一般理解這些疾病和尿酸的累積有關，而含有果糖的食物和飲料(含果糖碳酸飲量、啤酒、肉類)是導致疾病的重要因素。

本篇研究發現Pectin degradation module對循環的丙氨酸(Alanine)和尿酸(Uric acid)濃度有正相關，若要用於臨床，進行個人化尿酸與丙氨酸管理，未來需以代謝流(Metabolic flux) 技術來進行相關研究。

總結

本篇利用M-GWAS和MR analysis大數據分析方式，建構腸道微生物、血液代謝物與疾病之間的因果關係，並提供臨床上依更相關機制來減緩發炎反應和預防或緩解複雜疾病。

觀看原文

Liu, X., Tong, X., Zou, Y., Lin, X., Zhao, H., Tian, L., ... & Zhang, T. (2022). Mendelian randomization analyses support causal relationships between blood metabolites and the gut microbiome. Nature genetics, 54(1), 52-61.