在当今世界，肥胖不仅是一个全球性的公共卫生问题，更是众多慢性疾病的催化剂，特别是在结直肠癌（CRC）的发生中扮演着不容忽视的角色。
那你想知道肥胖如何在你的肠道里“策划”结直肠癌吗？今天小云带来一篇复旦大学李金明团队的最新Cell子刊研究，揭秘了肥胖与结直肠癌之间的微生物桥梁！
本研究不仅有宏基因组和代谢组学的多组学研究，还开发出了基于这些发现的新型诊断模型！不得不说，还得是你复旦！快来一探究竟，一起膜拜14分的大佬文章吧～
- 本研究综合应用了宏基因组测序和代谢组学分析，首次揭示了肥胖相关结直肠癌特有的微生物和代谢特征，提出了新的肿瘤发生机制假设，这种多组学整合的方法全面揭示微生物群落和代谢物之间的复杂交互作用。
- 本研究发现肥胖相关结直肠癌患者的肠道微生物群落与代谢轮廓的显著变化，如Peptostreptococcus stomatis的丰度增加。
- 本研究不仅关注单一微生物物种，还探讨了益生菌与促瘤菌种之间的互馈作用，这种研究视角有助于理解肠道微生物群落的动态平衡及其在疾病中的作用。
- 本研究通过对不同BMI群体的分析，发现了BMI特异性的微生物标志物，更能深入理解肥胖如何通过影响肠道微生物群落进而影响结直肠癌的风险。
- 本通过建立基于微生物标志物的随机森林诊断模型，研究提供了一种新的基于肠道微生物的结直肠癌筛查工具
（ps：不是我不谦虚，小云肚子里的存货可不止这些！扫码关注小云，和小云一起在科研蓝海里乘风破浪吧！小云这个小船长，可是能帮你拿下高分文章的哦！）
题目：微生物和代谢物特征揭示了与肥胖相关的结直肠癌中的共生微生物间相互作用
杂志：Cell Rep Med
影响因子：IF=14.3
发表时间：2024年2月
研究背景
肥胖已成为全球健康问题，与多种疾病关联紧密，特别是结直肠癌（CRC）。尽管众多研究揭示了肥胖与CRC之间的联系，但肥胖如何通过肠道微生物群影响CRC的发展机制仍不完全清楚。临床上，对肥胖患者的CRC早期筛查和干预面临诸多挑战，特别是缺乏精确的生物标志物来评估肥胖个体的CRC风险。当前研究多聚焦于肠道微生物在肥胖和CRC关系中的作用，但对特定微生物与代谢物间相互作用的认识还有限。本研究利用宏基因组和代谢组学方法，综合分析了肥胖与CRC患者的肠道微生物和代谢物，揭示了肥胖相关CRC的微生物-代谢特征，并探讨了这些特征在CRC筛查中的应用潜力，旨在为肥胖相关CRC的早期诊断和个性化治疗提供新的策略。
研究思路
首先，本研究从上海复旦大学附属肿瘤医院和山东大学第二医院收集了539个粪便样本，包括CRC患者和健康对照组，并根据体质指数（BMI）将参与者分为正常体重、超重和肥胖组。通过宏基因组测序和代谢组学分析，鉴定了肥胖CRC患者中独特的微生物和代谢特征。接着，利用多变量关联分析探索了微生物组成、代谢物质和临床表型之间的关系，特别关注了P. stomatis和F. prausnitzii这两种细菌在肥胖相关CRC中的作用。此外，通过体外实验验证了这两种细菌之间的交叉喂养关系，揭示了它们如何相互作用并可能促进肥胖相关CRC的发展。最终，本研究构建了基于BMI特异性微生物标记物的随机森林模型，展示了其在精确筛查肥胖相关CRC方面的潜力。
主要结果
- 发现集和验证集概览
本研究从2018年到2021年在复旦大学附属肿瘤中心和山东大学第二医院收集了539个粪便样本，包括结直肠癌（CRC）患者和健康对照者。根据中国的体质指数（BMI）标准，参与者被分为四个不同的组别：低体重、正常体重、超重和肥胖。由于低体重组样本量不足，17个样本被排除，剩余的522个样本被分为发现集（418个）和验证集（104个）。
对发现集的粪便样本进行了宏基因组测序和代谢组分析，以表征不同BMI组的肠道微生物分类学和代谢特征，并调查不同物种、代谢物和微生物KO基因之间的关联（图1A）。发现集的临床特征在附表S1中提供，验证集用于独立评估基于发现集构建的诊断模型（附表S2）。
图 1 研究设计及粪便样本的全球宏基因组和代谢组特征
- 正常体重、超重和肥胖组中整体微生物组成的改变
在正常体重、超重和肥胖组中，结直肠癌（CRC）患者相较于健康对照组，其肠道微生物的α多样性（通过Shannon指数衡量）显著降低，特别是在正常体重CRC组（N-CRC）与正常体重对照组（N-CTRL）相比（图1B）。正常体重CRC组（N-CRC）的α多样性与正常体重对照组（N-CTRL）相比显著降低（图1B）。
通过Bray-Curtis距离计算的主坐标分析（PCoA）显示，不同BMI组之间的CRC和对照组群落组成存在显著变化（图1C）。PCoA还适用于粪便代谢物，展示了三个BMI组之间的一致变化（图1D）。在所有BMI组的CRC中，拟杆菌门（Bacteroidetes）比例下降，而厚壁菌门（Firmicutes）比例增加（图S1A）。
综合这些数据表明，不同BMI组的CRC在多样性和微生物距离指标上与相应的对照组存在差异，Ov-CRC和Ob-CRC显示出α多样性的降低。
- 肥胖CRC与非肥胖CRC的微生物分类学特征
本研究在不同BMI组的CRC和对照组之间鉴定出差异丰富的物种，并发现N-CRC和Ov-CRC中存在更多差异物种，这些物种与Ob-CRC有明显区别（图S1B）。此外，本研究还展示了296种细菌物种的差异丰富特征（图2A；表S3），以及在物种水平上的分类学热图（图S1C）。
值得注意的是，在正常体重、超重和肥胖组的CRC中，作者确定了一些一致变化的常见特征。具体而言，本研究观察到P. stomatis 和 F. nucleatum 在CRC中相对应的对照组中被富集，而P. stomatis的丰度变化趋势在三组中逐渐增加。相关性分析显示，在对照组中P. stomatis的丰度与BMI呈负相关，但在CRC中呈正相关（图S1D）。但是，在CRC或对照组中没有观察到F. nucleatum与BMI之间的相关性（图S1D）。特别值得一提的是，作为益生菌的F. prausnitzii在CRC和对照组中都与BMI呈正相关（图S1D）。本研究还发现了仅在Ob-CRC中改变的肥胖特征，包括丰富的E. sulci 和 S. oralis以及减少的C. butyricum。
本文进一步对识别出的微生物标记进行了共现分析，探索了跨物种间潜在的细菌相互作用（图2B）。在三个BMI组中，F. prausnitzii、R. inulinivorans和D. formicigenerans之间存在稳定的共生关系。有趣的是，在正常体重和超重组中，观察到了富集于肿瘤的物种P. stomatis与被肿瘤消耗的物种F. prausnitzii之间的竞争关系。
本研究结果显示了不同BMI组CRC中独特的微生物谱和细菌相互作用，这可能与Ob-CRC中肿瘤发展的机制有关。
图2 不同体重指数组中的不同物种以及 CRC 患者或健康对照组中特定物种与体重指数之间的关系
- 不同BMI组中CRC的粪便代谢组学变化
鉴于肠道菌群与宿主-微生物共代谢之间的相互作用，作者进行了粪便样本的非靶向代谢组学分析，以研究不同BMI组的结直肠癌（CRC）患者与健康对照者之间粪便代谢物的差异。
通过正交偏最小二乘判别分析模型，观察到CRC患者的代谢组成在不同BMI组中与相应的健康对照组有显著差异（图3A）。然后，分别对N-CRC、Ov-CRC和Ob-CRC进行了差异代谢物的研究（图3B和图S2A；表S4）。大多数差异代谢物在肥胖组和非肥胖组之间是明显不同的（图S2B）。在Ob-CRC中，研究观察到与脂肪酸代谢密切相关的代谢物的显著变化，其中包括富集的赖氨酸磷脂酰甘油酯（LysoPG）14:1和耗竭的磷脂醇胆碱（plasmenyl-PCs）29:0。相比于Ob-CTRL，Ob-CRC中的磷脂醇胆碱进一步减少，这提示氧化应激可能是肥胖人群中CRC发生的重要机制。
有趣的是，结果显示胆固醇与BMI在CRC和对照组中均呈负相关（图S2C），但仅在N-CRC和Ov-CRC与相应的健康对照组中发生了变化。作者进一步检验了在不同BMI组的CRC患者和健康对照者中变化的选择性差异物种与差异代谢物之间的相关性（图3C）。例如，F. prausnitzii在Ob-CTRL中与胆固醇呈负相关，提示F. prausnitzii可能参与胆汁酸代谢。本文还验证了F. prausnitzii在体外代谢胆固醇的能力。这些有机化合物在Ob-CRC和非肥胖CRC中的独特作用仍需要进一步研究，并可能参与CRC中独特的代谢物-微生物相互作用。
图 3 不同体重指数组的 CRC 患者和健康对照组的代谢组学特征
- 不同BMI组中CRC的微生物基因的变化
本研究通过对KO数据库中的微生物基因进行注释，并绘制了一个热图（图4A和图S3），展示了Ob-CRC和非肥胖CRC中相关通路中的KO基因的差异表达情况（表S6）。结果显示，Ob-CRC涉及到甲烷代谢、甘油磷脂代谢和脂多糖（LPS）生物合成等通路发生了显著改变。这些代谢通路在Ob-CRC的背景下尤为重要，可能导致脂质平衡的紊乱，这一观点得到了对粪便代谢物的观察的证实。
本文还进行了KO基因与微生物种群之间相关性的整合分析（图4B）。结果显示，某些微生物种群与KO基因的丰度变化密切相关。例如，P. stomatis与torZ呈正相关，暗示其可能参与了TMAO代谢。相反，一些益生菌如F. prausnitzii和R. inulinivorans与大量缺失的KO基因呈正相关，表明这些益生菌在CRC中的缺失可能是导致代谢失衡的关键因素。
本研究结果表明，Ob-CRC表现出独特的微生物酶反应和代谢过程，受到微生物基因组的显著变化的驱动。这些发现为了解Ob-CRC中肠道菌群与代谢动态之间复杂的相互作用提供了宝贵的见解。
图 4 KO 基因中与癌症相关的功能改变
- 微生物和代谢标志物之间的关联
针对导致肥胖特征的宿主与微生物之间的相互作用的问题，作者对所有差异丰富的分类单元、代谢物和KO基因进行了Spearman相关性分析，并绘制了正常、超重和肥胖组中具有代表性的标志物的网络图（图5A、图S4A和图S4B）。与其他两组相比，肥胖组中观察到了复杂的网络。结果显示，富集于肿瘤的P. stomatis与多种代谢物（如异丁酸和十二碳二酸）呈正相关，而F. prausnitzii与这些代谢物呈正相关。F. prausnitzii和P. stomatis之间观察到的这种微生物-代谢物相互作用启示了一个假设，即益生菌可能会与富集于肿瘤的微生物种群发生交互作用。
为了验证这假设，作者进行了F. prausnitzii和P. stomatis之间的交叉喂养实验（图5B）。结果显示，在交叉喂养条件下，F. prausnitzii和P. stomatis的生长显著增加（图5C）。为了确定潜在的交叉喂养代谢物，作者分析了细菌培养上清液中的短链脂肪酸和有机酸。定向代谢组学识别出参与两种物种之间交叉喂养关系的候选代谢物，包括乙酸、异丁酸、尿嘧啶和2-羟基己酸（图S5A和图S5B；表S7）。根据这些结果，作者推测促癌细菌可能会交叉馈入益生菌以获得生态位，从而促进肥胖环境下的癌症发展。
总的来说，数据表明微生物KO基因和代谢物的变化与CRC粪便中微生物的变化相关，这可能部分解释了肥胖人群CRC特异性发病机制。
图 5 肥胖组物种、KO 基因和代谢物之间的综合网络及交叉喂养图
- 不同BMI组的CRC的随机森林诊断模型
本研究数据显示，不同BMI组的CRC患者之间存在差异物种和代谢物。因此作者假设肥胖人群CRC风险更高，应使用独立的诊断模型更精确地筛查CRC。为了探究微生物和代谢组的潜在作为诊断标志物的能力，作者构建了随机森林分类器，以区分同一BMI组和跨BMI组的健康对照组中的N-CRC、Ov-CRC和Ob-CRC病例（图6和图S5）。在发现集中进行了Boruta特征选择，以选择关键的差异化细菌分类单元。所选分类单元在三个BMI组之间不同，这支持了作者的假设，即不同BMI的CRC患者需要不同的生物标志物和诊断模型（图6A）。分别对N-CRC、Ov-CRC和Ob-CRC进行了5倍交叉验证，以选择具有最佳效力的诊断模型。
此外，将独立的外部验证集分为正常、超重和肥胖组，以验证每个分类器的诊断潜力。从正常体重组提取的微生物标记构建的诊断分类器的操作接收者特征曲线下面积（AUROC）分别为0.9354、0.8892和0.8（图6B）。还在超重和肥胖组中进行了组间验证（图6C和6D）。为了检验诊断策略的稳健性和效力，作者进行了20次重复的组间验证分析，并计算了平均AUROC（图6E）。
总的来说，每个组选择的特征在同一BMI组中识别CRC患者的能力非常出色，而在其他两个BMI组中的能力较差，这表明其在不同BMI组人群筛查策略中具有巨大潜力。
图 6 从三个 BMI 组别中各选出的微生物标记物提高了诊断效果
文章小结
好的好的，知道你还意犹未尽。小云再给大家划划重点吧！小板凳可要坐好了～
这不只是科研，这是侦探故事里的高级版——肠道微生物是关键线索，BMI是分析工具，结果？一套全新的侦破工具，让结直肠癌无处隐藏。在这篇文章里，我们可以看到复旦大学团队如何运用宏基因组和代谢组学工具，深入解析肥胖与结直肠癌之间的复杂联系，并成功构建了创新的诊断模型！
想要在宏基因组和代谢组学领域大展拳脚？寻找下一个高分文章的灵感？这篇研究可能就是你的起点。跟随小云的脚步，了解更多的高分文章的研究思路！快来后台联系小云～让我们一起在科研的海洋中乘风破浪，创造属于自己的高分传奇！
