客戶案例 | 多組學分析確定炎癥性腸病IBD的微生物與代謝診斷標志物

2023.12.15

腸道菌群和代謝物的改變與人類健康和多種疾病有關，包括炎癥性腸病（IBD），其作為一組以慢性腸道炎癥為特征的疾病，包括克羅恩病（UC）和潰瘍性結腸炎（CD），盡管已有研究關注IBD的微生物組和代謝組的變化，但在不同研究之間存在差異，而多組學整合分析在此領域的應用仍相對有限。

2023年11月，上海交通大學醫學院附屬仁濟醫院洪潔教授/陳豪燕教授/房靜遠教授及團隊在國際知名期刊Nature Communications上正式發表了題為“Microbiome and metabolome features in inflammatory bowel disease via multi-omics integration analyses across cohorts”的研究性文章，通過整合多組學數據（糞便代謝組和宏基因組）跨隊列綜合分析（cross-cohort integrative analysis，CCIA），確定了這些隊列中腸病相關的腸道微生物群的診斷標記物，創建診斷模型，為這一疾病的精準治療提供更為全面的認識。（麥特繪譜為本研究提供Q300全定量代謝組檢測服務）

研究材料

來自四個不同地區/國家的：

9個宏基因組隊列糞便樣本（1363例）

4個代謝組學隊列糞便樣本（398例）

研究技術

(1)?? 宏基因組

(2)?? 非靶向代謝組

(3)?? 靶向全定量代謝組

圖1. 跨隊列整合分析工作流程圖

數據集和分析流程

納入4個不同地區/國家的9個宏基因組和4個代謝組學隊列，挖掘IBD相關的微生物診斷標記物。其中代謝組學2個外部隊列（USA-NL隊列）采用了非靶向代謝組學進行檢測，而2個內部隊列（CHN隊列）則采用了靶向代謝組學進行檢測。為了確保生物信息分析的一致性，采用了處理多組學測序數據的bioBakery平臺對所有原始測序數據進行重新處理，其中MetaPhlan3工具可以標記基因數據庫注釋宏基因組數據的物種組成，HUMAnN3則可以準確有效地獲得微生物代謝途徑和功能模塊信息。此外，通過使用Human Metabolome Database（HMDB）統一ID對代謝物名稱進行注釋，確定了在四個隊列中共有的79種代謝物，用于代謝組學數據的跨隊列分析。

差異分析確定物種和基因水平上的生物標記物

宏基因組功能分析中，主坐標分析（PCoA）顯示兩組和隊列之間微生物組成存在顯著差異，在其中最具差異的74種腸道細菌物種中篩選31種作為后續隨機森林建模的特征物種。

使用KEGG orthology數據庫將來自宏基因組分析的基因家族注釋為KO基因，得到了9,270個KO基因，通過嚴格的FDR篩選方法確定了正常組和IBD患者之間的存在162個差異表達的KO基因。進一步富集分析，揭示了12個途徑可能與腸道菌群和疾病相關（FDR < 0.05）。其中細胞周期-彎曲桿菌、雙組分系統、脂多糖生物合成和氨酰-tRNA生物合成顯示出上調模式；還觀察到多個途徑的下調，如丙酸代謝、磷酸轉移酶系統（PTS）、苯乙烯降解、糖酵解/糖異生和氨基酸的生物合成。盡管來自不同地區或國家的IBD患者在飲食和遺傳學方面存在顯著差異，但觀察到其腸道微生物群存在的一致改變模式。跨隊列綜合分析發現IBD患者共生腸菌顯著減少，Asaccharobacter celatus和Gemmiger formicilis在6個不同的IBD隊列中出現耗竭。

圖2. 跨隊列鑒定診斷IBD的菌群生物標志物

不同IBD隊列中代謝組學改變&利用差異標志代謝物進行IBD診斷

本研究進行了代謝物差異分析并確定了78種代謝物，其中大多數屬于三大營養物質，包括氨基酸、碳水化合物和脂肪酸，還觀察到與三羧酸循環相關的各種有機酸，如丙酮酸、富馬酸、馬來酸和α-酮戊二酸在IBD患者中富集，表明腸道微生物群的能量代謝發生異常。

通過交叉隊列整合分析（CCIA）方法整合了四個代謝組學研究，使用HMDB ID確定了在所有四個隊列中普遍存在的79種代謝物。以FDR<0.0001， VIP score>1為篩選標準確定了32個候選代謝物。進一步采用了迭代特征消除（IFE）技術，縮小到13種差異候選代謝物。

基于篩選的31個特征物種和25個KO基因分別構建機器學習方法（隨機森林）來診斷IBD。通過10折交叉驗證評估了IBD分類模型的準確性，其中包括每個隊列內的評估，以及隊列間模型轉移的外部驗證。該模型在所有全球隊列中都顯示出強大的IBD檢測能力（AUROC值范圍從0.92到0.98）。

圖3. 不同IBD隊列中代謝組學改變&利用差異標志代謝物進行IBD診斷

構建多組學生物相關（MOBC）圖

通過8個差異性KO基因與代謝和疾病表型兩者之間的關聯，研究人員構建了多組學生物相關（MOBC）圖，鑒定了共生菌群內編碼氨酰-tRNA合成酶的四個基因，與KEGG Orthology富集分析中的結果一致，氨酰-tRNA（ARSs）合成途徑顯著增加，ARSs在蛋白質合成中起著不可或缺的作用，突出了腸道微生物生物轉化缺陷和氨酰-tRNA合成酶的顯著變化。

圖4. IBD患者腸道微生物群MOBC的構建

小結

本研究中整合了多個隊列的宏基因組和代謝組數據，篩選鑒定了31個物種、25個KO基因和13種代謝物，以區分正常對照組和IBD病例。這些生物標志物與目前用于診斷IBD的侵入性金標準——結腸鏡檢查相比，有力證明了利用腸道糞便微生物群和代謝物作為非侵入性診斷方法的潛力，有助于早期發現和預測IBD，促進及時干預并降低并發癥風險。

此外本研究顯著提升了用于診斷IBD的機器學習模型性能。從多組學數據中找出了一部分標記物，表現出區分UC和CD的顯著能力，平均AUROC值高達0.8。這一發現為非侵入性生物標志物的發展提供了前景，這些標志物可能在對IBD的不同亞型進行臨床分類中發揮關鍵作用。

原文鏈接

Microbiome and metabolome features in inflammatory bowel disease via multi-omics integration analyses across cohorts.?Nature Communications. 2023.

請掃描二維碼閱讀原文