導讀
結果：相比對照組，NEC患兒母親母乳中HMO和DSLNT濃度顯著(zhù)降低。MOM閾值為241nmol/ml對NEC的敏感性和特異性為0.9。NEC發(fā)病前的宏基因組測序顯示，NEC患兒Bifidobacterium longum相對豐度降低，Enterobacter cloacae相對豐度升高。低MOM DSLNT影響微生物組的縱向發(fā)展，這與過(guò)渡到以雙歧桿菌為主的早產(chǎn)兒腸道菌群類(lèi)型的減少有關(guān)，通常在年齡大一些的嬰兒中觀(guān)察到。疾病前HMO和宏基因組數據結合隨機森林分析區分嬰兒健康或是NEC準確度為87.5%。
總結：這些結果證明了HMO和腸道微生物在早產(chǎn)兒健康和疾病中的重要性。這一發(fā)現為生物標志物的發(fā)展、疾病風(fēng)險分層和補充新途徑提供潛在靶點(diǎn)，可預防危及生命的疾病。
英文題目：Human milk oligosaccharide DSLNT and gut microbiome?in preterm infants predicts necrotising enterocolitis
中文題目：母乳寡聚糖DSLNT和早產(chǎn)兒腸道微生物預測壞死性小腸結腸炎
期刊：Gut
IF：19.819
作者：Andrea C Masi
原文鏈接：https://gut.bmj.com/content/early/2020/12/15/gutjnl-2020-322771.long
材料與方法
研究結果
考慮到較低的DSLNT與NEC相關(guān)而不受分泌狀態(tài)的影響，作者探討了HMO作為NEC發(fā)育的生物標志物的用途。單因素ROC曲線(xiàn)分析表明，241nmol/ml是MOM中DSLNT鑒別NEC和對照嬰兒的最佳濃度（圖1C和D）。AUC值為0.947，靈敏度為0.9，特異性為0.9。
為了檢驗整合額外的HMO是否可以提高分類(lèi)性能，利用增加的HMO數量建立了多變量ROC曲線(xiàn)。然而額外的HMO與DSLNT整合多變量模型中，與僅使用DSLNT的單變量模型相比性能相似。
圖1 NEC和CTRL組HMO圖譜和DSLNT濃度分析
2、按NEC類(lèi)型分層的HMO圖譜分析
作者比較了未接受手術(shù)的NEC-M和接受手術(shù)的NEC-S。NEC-M和NEC-S聚類(lèi)到一起與對照組分離（圖2A）。兩種HMOs顯著(zhù)不同，與對照組相比NEC-M和NEC-S組的DSLNT均較低（圖2B）。此外，與NEC-M組和健康對照組相比NEC-S組MOM中LNnT顯著(zhù)降低（圖2C）。
作者隨后通過(guò)調整線(xiàn)性模型研究了DSLNT和LNnT濃度與臨床變量之間的潛在關(guān)聯(lián)。DSLNT與兩種疾病類(lèi)型呈負相關(guān)，NEC-M的系數值為-0.60，NEC-S的系數值為-0.67（圖2D）。然而根據調整后的線(xiàn)性模型LNnT與疾病類(lèi)型無(wú)關(guān)。分泌型母親中DSLNT和LNnT均顯著(zhù)較高。母親的DSLNT與胎齡呈正相關(guān)，與出生體重呈負相關(guān)。HMO與母親性別、分娩方式、胎齡和DOL均無(wú)相關(guān)性（圖2D）。
圖2 NEC-M和NEC-S分層的HMO圖譜分析
3、嬰兒腸道微生物組與NEC發(fā)育的關(guān)系
作者納入了含有HMO數據的嬰兒的糞便微生物組數據，進(jìn)行獨立研究獲得宏基因組測序數據。14例NEC患兒和34例對照組的644個(gè)糞便樣本。NEC患兒物種豐富度顯著(zhù)降低，shannon指數差異不顯著(zhù)（圖3A）。PCoA分析顯示NEC和對照之間細菌菌群結構差異不大（圖3B）。門(mén)水平分析顯示，相比于對照組NEC患兒Actinobacteria 相對豐度顯著(zhù)降低，Proteobacteria 相對豐度顯著(zhù)升高（圖3C）。種水平分析相比于對照組NEC患兒B. longum相對豐度降低，Enterobacter cloacae相對豐度升高（圖3D）。
圖3?NEC和對照組早產(chǎn)兒糞便宏基因組分析
4、HMO和細菌圖譜的綜合分析
采用種水平數據對PGCTs進(jìn)行DMM聚類(lèi)，5種PCGTs最理想（圖4A）。PGCT-1特征菌是高豐度Staphylococcus?spp和Enterococcus faecalis，PGCT-2高豐度Escherichia?spp，PGCT-3高豐度Klebsiella?spp，PGCT-4和PGCT-5高豐度Bifidobacterium?spp，B. breve在PGCT-5豐度高。根據樣本在所有時(shí)間點(diǎn)和clusters上的分布，在出生后前70天內接受MOM中DSLNT高于和低于241nmol/ml的嬰兒微生物組差異顯著(zhù)（圖4B）。在校正組間抽樣頻率不均勻后，最后一個(gè)時(shí)間點(diǎn)接受MOM超過(guò)DSLNT閾值2倍的嬰兒類(lèi)似于PGCT-5，其Bifidobacterium高豐度（圖4A）。
圖4母乳喂養高于或低于241nmol/ml DSLNT的嬰兒PGCTs分析
5、HMO和宏基因組數據可釋方差和隨機森林分類(lèi)
使用橫斷面HMO和橫斷面宏基因組數據集，作者試圖確定哪些臨床因素與HMO和細菌圖譜最相關(guān)（圖5A）。分泌狀態(tài)可以解釋HMO 56%的變異，其他協(xié)變量與HMO無(wú)顯著(zhù)相關(guān)性。細菌圖譜與胎齡、DOL、抗生素使用和益生菌服用顯著(zhù)相關(guān)，而與母親的分泌狀態(tài)相關(guān)性不顯著(zhù)?？傊@些發(fā)現強調了HMO和細菌分布受多種非重疊因素影響。
作者比較了基于HMO數據集、宏基因組數據和兩個(gè)數據集結合建立的區分嬰兒NEC和健康的隨機森林模型的性能，鑒于所有這些信息在疾病發(fā)病前就可以獲得，因此在臨床實(shí)踐中可作為風(fēng)險分類(lèi)系統。在組合模型中，DSLNT在對照組富集，DSLNH和Escherichiaunclassified的相對豐度在NEC中高（圖5B）。
京公網(wǎng)安備 11011302003368號