谢黎炜研究员团队无创方式用于铁代谢异常相关疾病的早期辅助诊断
2020年1月7日,谢黎炜研究员团队(广东省微生物研究所、南方医科大学珠江医院)在国际著 名期刊The FASEB Journal 在线发表题为“Fecal microbiota as a noninvasive biomarker to predict the tissue ironaccumulation in intestine epithelial cells and liver”的研究论文,该研究利用C57小鼠构建了铁紊乱动物模型,结合机器学习算法可以精 确地预测肠上皮细胞和肝脏的铁水平,并可能作为一种无创方式用于铁代谢异常相关疾病的早期辅助诊断。相关研究成果已申请中国发明专利。
目前的研究主要通过评估肠道上皮细胞连接,宿主免疫功能和系统性炎症,大多针对铁作用肠道微生物的影响进行了表型观察,缺乏系统地阐明铁在肠道菌群上的作用。随着近年来高通量测序和生物信息学分析的发展,如何利用新型手段系统的分析这一影响,还尚待探索。因此本研究首 次将高通量扩增子测序与生物信息学分析相结合,利用机器学习技术来系统地研究铁对肠道菌群的影响,并建立饮食中铁的有效性与肠道菌群之间的潜在联系,为指导铁元素的补充、机体对铁元素的利用、以及其与健康的联系提供了深入的理论基础和实践指导。
本研究首先基于AIN93G饲料与铁剂构建了缺铁、正常和铁过载的C57小鼠模型,并利用16S测序分析发现,不同铁剂复合饲料处理下的小鼠肠道菌群在多样性、菌群结构和共发生网络上造成了非常明显的区别。其中α和β多样性与菌种分布与实验分组有着明显的线性趋势。
由于传统的差异性分析难以真正筛选出铁对于肠道菌群的较关键的影响,因此研究利用随机森林交叉验证的方式,筛选5株与铁密切相关的关键菌群,并成功优化LASSO模型基于肠道菌群数据,准确预测出小肠(R2=0.997,MAE=0.69)和肝脏(R2=0.96,MAE=3.57)的铁含量。
综上所述,饮食中的铁可以对肠道菌群构成深远的影响,而这种密切的关联可能作为一种无创方式在临床上用于铁代谢异常相关疾病的早期辅助诊断。
荐 相关文章
在线预约
绿色快速预约通道
阅读排行