科研丨CELL子刊(IF:31.3): 肠道微生物结构变异作为人体胆汁酸代谢的决定因素

编译：微科盟听雪斋，编辑：微科盟居居、江舜尧。

导读  

胆汁酸(BAs)促进肠道脂肪吸收，是宿主-肠道菌群相互作用的重要信号分子。已经确定了微生物群落中的BA代谢途径，但肠道细菌的高度可变基因组如何与宿主BA代谢相互作用仍在很大程度上未知。本研究对来自两个队列的1437名个体的肠道微生物组中的55种细菌的8282个结构变异(SVs)进行了表征，并与39个血浆BA参数进行了系统关联研究。基于SV的连续遗传组成和离散簇的变异均与BA代谢相关。宏基因组关联分析确定了809种细菌SVs与BAs之间的可复制关联。这是证明细菌SVs对人体BA组成影响的最大规模微生物遗传关联分析，并强调了通过生活方式干预靶向肠道菌群来调节BA代谢的潜力。

论文ID

原名：Characterization of gut microbial structural variations as determinants of human bile acid metabolism

译名：肠道微生物结构变异作为人体胆汁酸代谢的决定因素

期刊：Cell Host & Microbe

IF：31.316

发表时间：2021.12

通讯作者：傅静远

通讯作者单位：荷兰格罗宁根大学医学中心

DOI号：10.1016/j.chom.2021.11.003

实验设计

结果

1 个体和队列间血浆BA成分的高变异性

在两个独立的荷兰队列中(图1A-1C；表S1)，我们评估了空腹血浆中15种BA(6种初级和9种次级BA)的浓度和比例：CA、CDCA、LCA、DCA、熊去氧胆酸(UDCA)及其甘氨酸或牛磺酸结合形式(表S1)。我们还计算了反映肝脏和细菌酶活性的8个比值，并量化了血浆中C4水平，C4是肝脏BA生物合成的生物标志物(表S1；STAR方法)。在本研究中，我们共获得了39个血浆BA参数。

15种BA的浓度和比例在两个队列中都显示出相当大的个体间差异(图1D和1E)。血浆BA组成在两个队列之间显示出显著差异(置换多元方差分析[PERMANOVA]，p<0.001；图1F和1G)，39个BA参数中有34个显示出显著差异丰度(Wilcoxon秩和检验，错误发现率[FDR]<0.05；图S1A；表S1)。然而，年龄、性别和体重指数(BMI)分别仅解释了BA浓度变化的3.07%和BA比例变化的2.94%(图1H和1I)。这表明BA变异的很大一部分仍未得到解释，可能与其他因素有关，如生活方式因素、宿主遗传背景和肠道微生物因素。

图1. 人体空腹血浆胆汁酸浓度和组成的高变异性。(A)LLD和300-OB的性别比例。(B)LLD和300-OB的年龄分布。(C)LLD和300-OB的BMI分布。(D)所有LLD和300-OB样本空腹血浆中15种胆汁酸(BAs)的浓度。(E)所有LLD和300-OB样本血浆中15种BAs的比例。根据每个队列中初级BAs的比例对样本进行分类。(D)和(E)中的样品顺序相同。(F和G)基于BA浓度和BA比例绘制所有样品之间差异的主坐标分析(PCoA)图。(H和I)按性别、年龄和BMI解释BA浓度(H)和比例(I)曲线的方差比例(R2)。蓝色条表示多变量模型中累积解释的BA方差比例。绿色条表示单变量模型中每个因素单独解释的BA方差比例。另请参见图S1和表S1。

2 细菌SV分析

在55个参考物种基因组中共检测到8282个SVs，包括2616个可变SVs(VSV)和5666个缺失SVs(DSV)(STAR方法)，每个物种有32-374个SVs(图2A和2B；表S2)。这55个物种合计平均占总微生物组成的82.52%，范围为43.73%-94.71%(图S2A)。55个物种的覆盖率足以称为微生物SV的平均样本数为432个(图S2B；表S2)。SVs最多的细菌种类包括B. wexlerae、Eubacterium rectale、Eubacterium hallii和Ruminococcus sp. SR1/5。

进一步评估了所有样本之间细菌SV的Canberra距离(图2C)。主坐标(PCo)1和2共同解释了基于SV的总遗传变异的20.70%(图2C)，这表明LLD和300-OB之间存在显著差异(Wilcoxon秩和检验，p=9.83×10−4(PCo1)，p=2.62×10−11(PCo2))。微生物丰度可以解释观察到的遗传变异的6.45%(PERMANOVA，p<0.001；图S2C；STAR方法)。在校正微生物丰度后，队列本身仍然对遗传差异有显著影响(PERMANOVA，p<0.001；图S2C)，并且队列之间的遗传PCo1和PCo2显著不同(Wilcoxon秩和检验，p=1.36×10−2(PCo1)，p=1.83×10−5(PCo2))，表明两个队列之间的微生物遗传学差异与微生物丰度差异无关。有趣的是，年龄、性别、BMI和read计数共同仅解释了宏基因组范围SV变异的1.79%(图S2C)。

图2. LLD和300-OB中的结构变异概况。(A)每个物种的结构变异(SV)数量。(B)SV总数。(C)基于SV的遗传组成的种群结构。另请参见图S2和表S2。

3 细菌与BAs的遗传联系与分类学丰度无关

我们首先调查了BA水平与物种丰度之间的关联(图S3A)，并确定了407个重要关联，涉及50个细菌物种和36个BA参数(FDRmeta<0.05；图3A；表S3)。Clostridium saudiense的丰度与血浆中CA的比例之间存在最显著的相关性(Betameta=0.36，FDRmeta=1.94×10−46)；表S3)。我们的结果证实了许多以前的发现，例如产丁酸菌Faecalibacterium prausnitzii与CA脱羟基/去结合比率呈负相关(Betameta=−0.21，FDRmeta=1.15×10−12；表S3)。另一种产丁酸菌E. hallii与C4浓度之间的正相关(Betameta=0.11，FDRmeta=5.63×10−5，表S3)与先前的发现一致，即E. hallii可以改变小鼠体内的BA代谢。

除了物种丰度外，物种的遗传构成也可能与BA代谢有关。因此，我们为每个物种构建了一个基于SV的遗传构成种群结构，并在校正年龄、性别、BMI、read计数和相应物种丰度后确定了37个细菌物种的遗传构成与35个BA参数之间的245个显著关联(PERMANOVA，FDRmeta< 0.05；图3A和S3B；表S3)。有趣的是，在与物种特异性遗传构成相关的245个BA关联中，只有81个在物种丰度水平上也被检测到(图S4C)，这突出表明微生物遗传变异代表了关于细菌功能的额外信息层。

遗传关联数最多的物种是B. wexlerae。B. wexlerae的个体间遗传差异与28个BA参数显著相关(PERMANOVA，FDRmeta<0.05；表S3)，与血浆CA比例的相关性最强(Pmeta=8.70×10−6)图3B；表S3)，而只有12个BA参数与B. wexlerae的相对丰度相关(线性回归，FDRmeta<0.05；表S3)。另一个物种F. prausnitzii有助于12-脱氢CA的产生，据推测F. prausnitzii的减少会降低IBD患者粪便中未结合CA和CDCA水平。除了物种丰度水平的关联外，F. prausnitzii的遗传差异也与12个BA参数相关(表S3)。例如，F. prausnitzii的遗传差异与血浆中甘氨熊去氧胆酸(GUDCA)的比例相关(PERMANOVA，FDRmeta<0.05；图3C；表S3)，但在丰度水平上未发现显著关联。总之，我们观察到物种特异性遗传组成与BA组成相关，而与它们的相对丰度无关。

图3. 肠道微生物组与人体胆汁酸参数的物种水平关联。(A)物种水平微生物与BA参数关联的热图。蓝色表示纯粹基于遗传学的关联。黄色表示纯粹基于相对丰度的关联。红色表示基于遗传和相对丰度的关联。黑色表示基于遗传学的关联，其中对应物种的相对丰度不可用。白色表示无关联。(B) B. wexlerae与血浆CA比例的遗传关联。从红到蓝的色阶表示CA比例标准化值的增加。(C) F. prausnitzii与血浆中GUDCA比例的遗传关联。从红到蓝的色阶表示GUDCA比例标准化值的增加。另请参见图S3和表S3。

4 离散种群遗传簇与人体BA代谢相关

根据观察到的细菌遗传距离，我们对每个物种的种群遗传结构进行了分层(STAR方法)，并在55个物种中的29个物种中检测到两个或多个不同的集群(图S4；表S4)。有趣的是，来自Prevotella copri、Streptococcus vestibularis和Parabacteroides merdae的不同集群在LLD和300-OB中显示出不同的富集(卡方检验，FDR<0.05，图S5；表S4)。我们还检测到物种集群与BAs之间的41个显著关联(Permutational Kruskal-Wallis秩和检验，FDR<0.05；图4；表S4)。E. rectale显示出两个不同的集群，它们具有最多的关联(10个关联)，最高的关联是与C4浓度(Permutational Kruskal-Wallis秩和检验，FDR=2.26×10−5)。我们比较了两个E. rectale集群的SV分布，发现56个vSV中的55个和124个dSV中的72个在两个集群之间富集程度不同(vSV的Wilcoxon秩和检验和dSV的χ2检验，FDR<0.05)。

图4. 胆汁酸参数与基于结构变异的种群遗传簇相关。t-SNE图显示了13个物种的种群遗传簇，不同颜色显示了不同的簇。Circos图显示了它们与BA的关联。每条线表示一个物种的集群和一个BA参数之间的关联。另请参见图S4和S5以及表S4。

5 基于宏基因组的SV关联指向已知和假定的BA基因

为了识别可能含有BA代谢相关基因的SV，我们进行了基于宏基因组的微生物SV关联分析。考虑到队列异质性，我们对每个队列进行关联，然后进行meta和异质性分析(随机效应模型)。除了年龄、性别、BMI和总read计数外，我们还将相应的物种丰度作为协变量，以校正物种丰度的影响(模型1)。此外，为了将单个SV效应与遗传谱系效应分离开来，即纠正变异之间强大的细菌种群结构和连锁失衡，我们进一步将每个物种的顶级遗传主成分(PCs)作为协变量纳入线性模型，以校正谱系效应(模型2；STAR方法；表S5)。总体上，我们在37个物种的321个SV和34个BA参数(图5A)之间确定了809个显著且一致的关联(FDRmeta<0.05)，包括模型1确定的755个关联和模型2确定的177个关联(图S6A；表S5)。Coprococcus comes的关联数最多(图5B)，其次是E. rectale、Blautia obeum和B. wexlerae(图5C)。所有809个关联的效应大小和方向在队列间高度一致(图S6B–S9E)。这些结果表明，尽管两个队列的肠道微生物遗传组成和血浆BA组成存在较大差异，但我们确定的SV关联在两个队列之间是稳健且可复制的。值得注意的是，在两种模型中均检测到了123种关联(图S6A)。次级/初级BA比率与C. comes的5-kbp vSV(2932-2935和2935-2937 kbp)之间的相关性最强(模型2，Pmeta=1.98×10−28)；图5D和5E；表S5)。值得注意的是，发现一个BSH基因与该SV区域很接近(图5D)。该BSH基因编码催化甘氨酸和牛磺酸结合的BAs解偶联的酶，并且也在其他物种的相关SV区域中发现，例如与5个BA参数显著相关的B. wexlerae(图5F)基因组片段(2081-2082 kbp)处(图5C)，包括与DCA比例的负相关(图5G；表S5)。校正谱系效应的分析模型(模型2)比未进行校正的模型(模型1)检测到的关联更少，这表明谱系效应引起的虚假关联可能已被消除。然而，该模型可能也失去了识别有助于谱系效应和BA代谢的细菌SVs的能力。例如，在Eubacterium ventriosum基因组中的BSH基因(图5H)附近，4个可变SVs与模型1确定的9个BA参数显著相关(FDRmeta<0.05)(表S11)，vSV区域1512-1517 kbp与次级/初级BA比率之间存在最显著的相关性(模型1，Betameta=0.43；Pmeta=3.39×10−8图5I)。然而，模型2没有捕捉到这些关联。另一方面，模型2还报告了54个在模型1中不显著的关联(图S6A)，这表明一些SV效应可能被谱系效应所掩盖。除了BSH基因，我们还在BA相关区域发现了其他几种细菌BA生物转化基因(STAR方法)。例如，7β-羟基类固醇脱氢酶(7βHSDH)催化7-脱氢-CDCA和UDCA之间的生物转化，我们发现7βHSDH基因位于与UDCA比例相关的Ruminococcus torques的vSV中(1671-1673和1673-1677 kbp；图6A)(模型1，Betameta=−0.14，Pmeta=2.70×10−4表S5)。我们还确定了一些细菌基因在BA相关区域具有假定的羟基类固醇脱氢酶(HSDH)功能，包括Ruminococcus sp.SR1/5中的CK1_08630(UniProt:D4LGZ3)(图6B)、B. obeum中的RUMOBE_03494 (UniProt:A5ZWV0)(图6C)和E. hallii中的Eubhall_00727(UniProt:C0ETJ6)(图6D)。CK1_08630和RUMOBE_03494编码相同的氨基酸序列(248个氨基酸)，并被注释为短链脱氢酶/还原酶家族的氧化还原酶，而EUBHAL_00727只有82个氨基酸，在功能上未被鉴定。我们使用AlphaFold2预测这些蛋白质的高质量3D结构，然后将其与整个蛋白质数据库(PDB)进行比较。这导致了大肠杆菌7α-羟基类固醇脱氢酶(7αHSDH)与还原型烟酰胺腺嘌呤二核苷酸(NADH)和GCDCA复合物的同源四聚体形式的鉴定(PDB:1FMC；图6E)。CK1_08630/RUMOBE_03494和EUBHAL_00727模型与参考7αHSDH晶体的结构比对表明，蛋白质的3D构象密切相关(图6F)，而EUBHAL_00727对应于7αHSDH蛋白质的截短版本(图6F)。此外，我们还可以在CK1_08630/RUMOBE_03494蛋白质(图6G)中识别特征良好的7αHSDH催化三联体。这些发现表明CK1_08630、RUMOBE_03494和EUBHAL_00727可能具有假定的HSDH功能。除了在两个队列中显示出一致效应大小的809个关联外，我们还在模型1和模型2中分别确定了125个和24个BA‒SV关联，在我们的普通人群和基于肥胖的队列之间具有显著的异质性(Phetero<0.05、FDRLLD<0.05和/或FDR300-OB<0.05；表S5)。在模型1中，观察到两个队列之间最显著的异质性是大肠杆菌3-kbp vSV(1062–1065 kbp)与TCDCA比例之间的关联(模型1，BetaLLD=−0.17，Beta300-OB=0.68，Phetero=1.79×10−6，I2=0.96；表S5)。该可变基因组区域包含两个基因，Salmochelin铁载体蛋白IroE和Enterochelin esterase，它们在维持大肠杆菌的铁稳态中发挥作用。携带BSH基因的C. comes的1-kbp vSV(966-967 kbp)与三个BA参数(CA/CDCA比率、次级/初级BA比率和DCA比率)相关，在LLD和300-OB之间存在显著异质性(模型1，Phetero<0.05；表S5)，并且300-OB中BA关联效应大小的绝对值高于LLD。在模型2中，观察到E. hallii的1-kbp vSV(2822-2823 kbp)与血浆DCA浓度(模型2，BetaLLD=0.007，Beta300-OB=0.45，Phetero=2.51×10−6)之间的相关性存在最显著的异质性，I2=0.95；表S5)。

考虑到BAs对宿主心脏代谢表型和粪便稠度的生理影响，我们进一步评估了BA相关SVs是否与心脏代谢疾病风险相关的特征和粪便特征相关(表S6)。在LLD队列中，我们在FDR<0.05水平下检测到SV与血浆甘油三酯(TG)和粪便类型显著相关(表S6)。例如，血浆TG与E. rectale的7-kbp vSV(1125-1130 kbp和1132-1134 kbp)呈负相关，该SV区域也与血浆C4浓度和UDCA比例呈负相关(表S5)。根据布里斯托尔粪便量表确定的粪便类型与含有E. hallii BSH基因的13 kbp vSV区域(1623-1632 kbp和2个片段)相关，并且该vSV区域与血浆C4水平呈正相关(表S15)。我们还在p<0.05水平上检测到一些提示性关联。例如，E. hallii的14 kbp dSV(2969-2983 kbp)与LLD的TG水平和高密度脂蛋白水平以及300-OB的血脂异常相关(表S6)。该区域含有一系列编码外膜蛋白和脂多糖输出系统蛋白的基因，并且发现该dSV的最强BA关联为CA的脱羟基/去结合比率(模型2，Pmeta=1.32×10−12)；表S5)。在300-OB中，FDR<0.05水平上无显著相关性，但我们发现许多名义上与血脂、糖尿病、斑块数量和厚度等显著相关(表S6)。总之，我们的数据支持BA相关微生物SVs在宿主心脏代谢健康中的潜在调节作用。

图5. 胆汁酸参数与结构变异之间的关联。(A)BA参数与SVs之间存在可复制的显著关联(FDRmeta<0.05)。(B和C)BA参数与C. comes(B)和B. wexlerae(C)的SVs之间关联的热图。模型1确定的关联；模型2通过模型2的β系数进行选择和着色。(D-I)接近已知BA生物转化基因(D、F和H)的SV区域的示例以及与BA参数(E、G和I)的关联。蓝色和黄色点分别代表LLD和300-OB样本。(E)、(G)和(I)的β系数和p值分别来自模型2、模型2和模型1。另请参见图S6以及表S5和S6。

图6. BA转化基因和基于蛋白质结构的分析实例。(A-D)4个BA转化基因和最近SV区域的基因组位置。(E)来自大肠杆菌7α-HSDH的同源四聚体结构(1FMC)，这是CK1_08630/RUMOBE_03494和EUBHAL 00727模型的结构相似性搜索中的最佳选择。与蛋白质复合的7-oxo GCDCA显示为黄色棒，NADH显示为青色棒。(F)CK1_08630/RUMOBE_03494(橙色色带)和EUBHAL 00727(红色色带)模型与7α-HSDH参考结构1FMC(绿色色带)的结构对齐和均方根偏差(RMSD)值。(G)参考1FMC中7α-HSDH的催化三联体Ser146-Tyr159-Lys163 (绿色棒)与CK1_08630/RUMOBE_03494 (Ser143-Tyr156-Lys160，橙色棒)的比较。

6 细菌SVs与宿主BAs之间的双向因果关系

本研究确定的大多数BA-SV关联背后的因果关系仍然未知，尽管我们确实发现了一些已知参与BA生物转化的细菌基因，它们位于BA相关SV区域。LLD队列中收集的生活方式暴露因素使我们能够推断相关SVs和BAs之间的因果关系。我们将127个生活方式因素(78个饮食因素、44个药物使用因素和5个吸烟相关因素；表S7)与SV和BA数据相结合。在本研究中，我们首先确定了所有变量相互关联的生活方式-SV-BA组，然后进行双向中介分析。在第一个因果方向上，我们假设SVs充当调节因子，介导生活方式因素对BA池组成的影响，即我们将SVs视为中介，将BA参数视为结果(方向1)。在第二个因果方向上，我们评估了BAs是否可以介导生活方式因素对细菌SVs的影响(方向2)(图7A)。共确定了509组推断的因果关系，包括方向1的217个单向因果关系、方向2的51个单向因果关系和241个双向因果关系(FDRmediation<0.05；图7B；表S7)。大多数单向因果效应是从SVs到BAs，这表明微生物遗传学在调节人体BA代谢中的重要作用。

方向1的三方因果网络由43个生活方式因素、80个作为中介的SVs、22个作为结果的血浆BA参数组成(FDRmediation<0.05；表S7)。图7C显示了具有高中介比例(中介比例>25%)的35个调节组。值得注意的是，80个SVs中有29个来自B. wexlerae，包括具有已知BA生物转化基因的SVs。例如，接近B. wexlerae中BSH基因的2-kbp vSV(2081-2082 kbp)调节了吃鱼对血浆DCA浓度的影响(FDRmediation<0.05；中介比例=29%；图7D)。在3840-3846 kbp和1715-1716 kbp的另外两个B. wexlerae SV介导了饮用红酒对血浆中C4浓度(FDRmediation<0.05；中介比例=30%；图7E)和CA比例(FDRmediation<0.05；中介比例=28%；图7F)的影响。值得注意的是，我们观察到，在方向1的217个单向因果关系中，36个(16.6%)涉及苏打水消费频率，36个因果关系中有15个具有较高的中介比例(FDRmediation<0.05；中介比例>25%；图7C)，表明苏打水的摄入对肠道细菌相关的BA代谢有很大影响。

在方向2中，我们发现了51种因果关系，其中18种BA参数介导了20种生活方式因素对属于12种细菌的40种SVs的影响(FDRmediation<0.05；表S7)。在40个受调控的SVs中，16个来自B. wexlerae，8个来自C. comes，3个来自R. torques，2个来自Ruminococcus sp. SR1/5。来自瘤胃球菌的5种SVs可受到C4、UDCA、GUDCA和总次级BA水平的负调节(FDRmediation<0.05；表S7)。在小鼠中，DCA和LCA可抑制瘤胃球菌的生长，而据报道UDCA在动物实验中具有抗菌作用，表明循环BA池与次级BA的富集可能会对瘤胃球菌属物种施加选择压力并导致其基因组含量的改变。

图7. 基于双向中介分析的因果关系推断。(A)生活方式因素、SVs和BAs的双向中介分析框架。(B)方向1(从SV到BA)、方向2(从BA到SV)以及两者的推断因果关系数量。(C)Sankey图显示了方向1的推断因果关系网络，中介比例>0.25。(D-F)通过双向中介分析推断的生活方式因素、SVs和BAs之间的因果关系的示例。β系数和显著性标记在每个边缘，间接效应(中介效应)的比例标记在环图的中心。另见表S7。

讨论

本研究对来自两个独立队列的1437名荷兰个体的肠道微生物SV和血浆BA谱进行了表征，并从物种遗传组成水平到单变异水平系统地评估了肠道微生物遗传学和宿主BA代谢之间的相关性。物种遗传组成与BA参数相关，而与这些物种的相对丰度无关。我们还利用基于SV的聚类分析确定了29种细菌的种群遗传簇，揭示了种内遗传多样性，并将基于SV的遗传簇与血浆BA参数相关联。我们进一步对39个BA参数进行了宏基因组范围的微生物SV关联研究，并使用两种不同模型的meta分析共确定了809个一致关联和125个异质关联。一些BA相关SVs也可能与血浆甘油三酯和粪便类型有关。细菌SVs、BAs和膳食因素之间的双向中介分析，推断了我们所确定的相关性背后的调节关系。据我们所知，这是迄今为止关于人类血浆BA浓度和组成的微生物遗传决定因素的最大研究。鉴于人们越来越多地认识到特定BAs参与人类疾病的发病和进展，以及以BA信号通路为靶点的治疗肝脏和代谢性疾病的药物制剂的发展，这一知识具有直接的临床相关性。

本研究表明，基于SV的宏基因组关联是一种强大的方法，可以使微生物关联更接近功能和机制的理解。首先，我们的研究表明，BA与微生物SVs的关联通常比与物种相对丰度的关联更强，甚至可以独立于物种相对丰度。这突出了宏基因组SVs作为描述人类肠道微生物组功能的额外信息来源的价值。我们还通过将群体遗传结构的PCs添加到我们的线性模型中来评估谱系效应对基于SV的宏基因组关联研究的影响。一方面，考虑谱系效应的模型能够发现与谱系无关的关联，也能够揭示似乎被谱系效应隐藏的额外关联。另一方面，我们还观察到，考虑谱系效应的模型导致涉及SVs的一些关联减弱，这些关联涉及目标表型和细菌遗传谱系。尽管在细菌GWAS分析中有许多考虑谱系效应和群体结构的工具可用，但这些工具是为二元遗传变异数据而不是宏基因组方案开发的。基于SV的宏基因组关联研究仍然需要开发支持适当校正谱系效应的工具。

此外，我们观察到相关SVs偏向于高流行和丰富的物种，突出了研究低流行或稀有物种的统计挑战。因此，需要增加样本量和测序深度。尽管如此，我们的亚基因组规模分析精确定位了与宿主BA池相关的基因组片段的位置，这意味着将整个宏基因组中的微生物SVs与宿主表型相关联，有助于定位参与宿主-微生物相互作用的微生物基因或遗传元件。本研究强调了肠道微生物遗传学对宿主BA代谢特征的贡献，我们使用的综合关联分析方法为基于队列的微生物遗传学研究提供了一个模板，展示了从“微生态学”到“微群体遗传学”的范式转变。

本研究进一步强调了肠道 微生物组与BA代谢之间复杂的双向作用。我们使用生活方式因素作为外源性预测因子，通过双向中介分析推断SVs和BAs之间的潜在因果关系，并确定了参与细菌遗传和BA代谢相互作用的特定生活方式因素。这突出了通过生活方式干预以肠道微生物群为目标调节BA代谢的潜力。例如，我们发现B. wexlerae的SV介导了饮用红酒对血浆CA比例和C4水平的影响，反映了肝脏BA生物合成。红酒富含多酚，这是一种具有抗氧化特性的分子，可通过调节肠道微生物群增加粪便中BA的排泄。此前的研究报告称，植物源性食品中的膳食多酚可通过调节肠道微生物群影响人类粪便中BAs的组成；本研究结果表明，红酒多酚可能通过调节肠道细菌基因影响BA的生物合成。此外，我们还观察到，苏打水的消费频率通过细菌SVs对BA代谢产生显著影响，尤其是来自B. wexlerae的细菌SVs。据报道，苏打水或软饮料的消费与全因死亡率和许多疾病(如中风和冠状动脉疾病)的风险增加相关。在LLD中，我们之前的研究也显示了苏打水消费对微生物多样性的负面影响。考虑到苏打饮料的高度普及以及平衡BA池和肠道微生态系统的重要性，我们当前的研究应该提高公众对苏打饮料消费对肠道微生物和BA代谢的影响的认识。总之，我们的因果推断分析揭示了细菌SVs作为调节饮食因素对BA代谢影响的中介。相反，我们的研究也提供了证据，表明BAs可能通过其作为“肠道肥皂”的抗菌活性，不仅影响肠道微生物的生长，还对细菌遗传构成选择性压力。

微生物SV与BAs关联的实验验证仍然具有挑战性。在生物信息学方面，我们缺乏一种很好的方法来优先考虑SV区域的假定致病基因，因此我们建议使用最近开发的AlphaFold2方法来预测3D蛋白结构，以便发现与BAs结合的假定细菌蛋白质。在实验上，我们首先需要从人类粪便样本中分离和培养细菌物种或菌株，然后进行全基因组测序，以确认单个细菌分离株水平上是否存在SVs。然后，经验证的具有SVs的细菌分离株可通过与BAs共培养来检测其体外BA代谢能力。最后，已鉴定的菌株可以在动物模型中定植，例如我们最近开发的Cyp2c70−/−具有类人BA池的Cyp2c70−/−小鼠，以验证其对宿主BA代谢和生理的影响。然而，每一个步骤都面临着技术挑战。例如，尽管细菌培养组学技术发展迅速，但肠道微生物仍然难以分离和培养，特别是当需要特定的选择性培养基来富集某些类型的菌株时，具有特定SV区域的细菌就是如此。

研究的局限性

当前研究存在一些局限性。我们在两个独立的队列中研究了血浆BA参数与肠道细菌可变基因组片段之间的关联，在这些普通人群和肥胖个体中发现了大量一致的关联，并证明了BA与微生物SVs关联的可靠性。然而，本研究中所有样本均来自荷兰居民。考虑到不同遗传和环境背景的人群之间宿主-微生物组相互作用的潜在异质性，血浆BA参数和微生物SVs之间的关联需要在具有不同背景的其他人群中复制。由于这是一项横断面研究，我们使用中介分析推断了BA参数和微生物SVs之间的调节关系，但微生物遗传元件的变化是否与宿主BA代谢有因果关系，仍需要在纵向研究设计和实验验证中进一步确认，正如我们在讨论中阐述的那样。此外，血浆BA参数不能完全代表肠-肝循环中BA池的流量，且仅与粪便BA池适度相关；因此，需要进一步研究微生物遗传变异与实际生态位(肠-肝循环)中BA代谢之间的关系。此外，粪便中的微生物组并不能直接反映其他结肠段的微生物组成，特别是回肠的微生物群，其中大多数BAs(~95%)被重吸收，以及结肠区域的微生物组，其中大多数BAs发生生物转化。因此，研究BA池组成和不同肠道区室微生物组之间的联系是有意义的，应进一步努力来充分阐明细菌-BA相互作用。尽管存在这些局限性，但本研究朝着微生物组靶向干预以改善宿主代谢迈出了一步，特别是通过调节BA代谢，这是治疗非酒精性脂肪肝及其代谢合并症的主要靶点。

原文链接： https://www.sciencedirect.com/science/article/abs/pii/S1931312821005096