你以为你想吃什么是你决定的吗？不，是肠道微生物绑架你决定的
肥胖及其相关合并症的发病率在全球范围内迅速上升，是当今世界重大的健康挑战。近年来，肠道菌群作为人类健康的关键调节因子，可以影响肥胖的发生和发展，这主要是因为其参与了食物摄入和代谢的调节。然而，目前仍很少有研究深入探讨人类肠道菌群在肥胖中的功能，更少研究其与饮食行为的关系。本研究通过发现与饮食模式相关的肠道菌群特征、脂质组特征、基因表达谱特征，为阐明肥胖表型中的肠-脑轴交流奠定了基础。本研究将有助于指导基于微生物的支持健康饮食-微生物群-肠道-大脑轴的微生物网络，从而抵消肥胖和相关并发症。本研究于2022年发表在《BMC Medicine》IF：11.150期刊上。
技术路线：
主要实验结果：
1、研究队列描述
总共招募100名绝经前女性。研究对象包括63名肥胖女性（OB）（BMI 25.6 ~ 39.8 kg/m2）和37名非肥胖女性（NW）（BMI 18.5 ~ 24.6 kg/m2）。所有招募参与者的人体测量和实验室参数以及心理测量结果报告于表1。
2、肠道菌群分析和聚类鉴定
16S rRNA基因测序共获得650万个序列读数，每个样品平均有73,152（±38,578，sd）个成对的读数，有11,874个操作分类单位（OTU），序列同一性为97%。在OB和NW妇女的基因多样性和结构中发现了相当大的差异（图1）。
图1超重/肥胖女性的肠道菌群结构与正常体重女性的肠道菌群结构不同
基于OTUs比例的Spearman相关系数的分层Ward连锁聚类可识别出4个参与聚类（命名为C1-C4）（图2）。尽管没有统计学显著性（p = 0.38，Fisher精确检验），C1集群包括48%的NW女性，而其余三个集群C2-C4主要由肥胖女性组成。4个聚类的生物多样性也存在差异，C1和C3的生物多样性最高，C2和C4的生物多样性最低，更准确地说，C2的生物多样性低于C1和C3，而聚类C4的生物多样性低于C1（图2）。
图2肠道菌群结构允许将整个数据集分层为四个不同的集群
随后，生成Wiggum图来描绘由OTU聚类识别的4个聚类分区的肠道微生物组成关系，显示出5个Co-abundance groups（CAGs）的特殊丰度模式（图3）。每个聚类（C1 ~ C4）构成一个稳态，代表一群具有显著不同于其他群体的肠道微生物布局特征的分组个体。从包含大部分NW女性的组，即C1，到包括主要OB女性的组C2-C4，微生物群的变化伴随着独特的CAGs优势。其中，C1簇的特征是5个CAGs同时存在，Prevotella的相对丰度较高，而C2 ~ C4簇的特征是5个CAGs中至少有1个缺失（图3）。在C2簇中，尽管没有Bifidobacterium的CAGs，但保留了其他4个CAGs。另一方面，C3簇失去了Bifidobacterium CAGs，但显示出Prevotella和Ruminococcus CAGs的过度表达。最后，C4簇的特征是在Bacteroides CAGs中富集的同时，Bifidobacterium的缺失。
图3正常体重和超重/肥胖女性的肠道菌群结构与饮食行为有关
3、正常体重和超重/肥胖女性的微生物群与临床和行为指标之间的关联
宿主临床数据和微生物群组成之间的关联如表2所示。基于年龄调整的中位数回归分析，在考虑整个队列时，肠道微生物结构向负PCo2值的转变（作为低多样性集群C4）与较高的BITE症状评分（表明暴饮暴食行为）和TFEQ UE评分（表明不受控制的饮食）相关。在心理测量方面，C2集群的BITE严重度评分最高，而C4集群的BITE症状评分最高，与PCo2轴的关联一致（图3）。
4、饮食对正常体重和超重/肥胖女性肠道菌群的影响
为了识别对肠道微生物分类有贡献的食物类型，将来自FFQs的食物数据叠加在图3的UniFrac PCoA图上，结果如图4a所示。调味料和调味品、橄榄油、油炸土豆、香肠以及加糖饮料、牛奶和酸奶的摄入量增加与集群C2的肠道微生物配置相关。另一方面，集群C4的特征是奶酪的摄入量较高，而C1和C3的特征是上述所有食物的摄入量均较低。纤维摄入量与第一PCoA轴呈正相关，并且在C1簇女性中似乎更高（图4b）。其他3组的纤维摄入量相当，C2组低于C1组。总能量摄入呈相反趋势，与PCo1呈负相关，且在C2、C3和C4簇中较高（图4b）。与更大的不受控制的进食倾向（TFEQ UE）和加重的BITE症状评分一致，聚类C4显示出比C1更高的能量摄入。当关注宏量营养素的摄入时，C4组的碳水化合物摄入高于C1组，而脂肪摄入低于C1组，C3的脂肪摄入量低于C1（图4c）。
图4不同的食物摄入表现出不同的微生物群结构
在对应分析中进一步探讨了FFQ数据，其中第一个轴描述了超过13.7%的数据集方差，包含了之前在对微生物群PCoA进行的FFQ数据相关分析中识别出的大多数有区别的食物类型，例如奶酪、加糖饮料、调味料和调味品。对这一轴线应用Ward连锁聚类和Euclidean距离指标，可以确定三个饮食组：D1（低蛋白/高碳水化合物）、D2（高蛋白/低碳水化合物）和D3（高脂肪/高蛋白）（图5a）。D1的特点是更多地消费甜食、饼干和鸡蛋，D2的特点是咸食、油炸食品、肉类、火腿片和自制三明治，而D3的特点是乳制品（即奶酪、牛奶和酸奶）。随后，根据所消费食物的数量、分布和健康价值，计算出各饮食组的健康食物多样性（HFD）指数。根据HFD，D2和D3是最多样化的饮食，而D1最少（图5b）。
图5饮食模式对妇女的健康食品多样性指数有歧视性
5、肥胖和不受控制的饮食行为的种水平微生物组特征
对45个DNA样本的子集（31个来自OB，14个来自NW妇女）进行了shotgun元基因组测序，共获得了15Gb的成对末端读数。元基因组学数据集由8个细菌物种主导，它们对生态系统的变异性做出了52.5-56.6%的贡献，并不同程度地分布在四个集群（C1-C4）中： Faecalibacterium prausnitzii、Bifidobacterium adolescentis、Bifidobacterium longum、Ruminococcus bromii、Eubacterium rectale、Akkermansia muciniphila、Bacteroides vulgatus和Subdoligranulum spp.（图6a）。特别是，与C2相比，发现C1群富含R. bromii，与C3和C4相比，富含F. prausnitzii（图6b）。另一方面，与C1相比，C2富含Ruminococcus torques，这是一种已知会损害肠道屏障完整性的黏液溶解细菌。此外，与C1和C3相比，C2显示出最低水平的粘蛋白降解剂A. muciniphila，与C1和C3相比，R. bromii丰度最低。至于其他的肠道微生物配置，主要是指具有不受控制的饮食行为的OB妇女（即C3和C4），与C2相比，C3显示出更高的A. muciniphila和Subdoligranulum属的价值，而与C3相比，C4富含E. rectale，以及与其他三个集群相比，富含B. adolescentis和Bifidobacterium，可能是因为奶酪的消费量更大（如FFQs分析显示）。
图6微生物组配置的物种级特征
此外，本研究的附件中还呈现了粪便基因表达谱特征和粪便脂质组代谢特征，并将准录组结果和脂质组结果进行了联合分析，发现食物摄入和能量消耗与伴侣蛋白ClpB和胆汁酸有关，而神经内分泌信号与色氨酸代谢物、阿片类药物、内分泌素和GABA有关。
参考文献：
Barone Monica., Garelli Silvia., Rampelli Simone., Agostini Alessandro., Matysik Silke., D'Amico Federica., Krautbauer Sabrina., Mazza Roberta., Salituro Nicola., Fanelli Flaminia., Iozzo Patricia., Sanz Yolanda., Candela Marco., Brigidi Patrizia., Pagotto Uberto., Turroni Silvia.(2022). Multi-omics gut microbiome signatures in obese women: role of diet and uncontrolled eating behavior. BMC Med, 20(1), 500. doi:10.1186/s12916-022-02689-3