肠道菌群、炎症细胞因子与胃食管反流病:一项孟德尔随机化分析
《Cardiovascular Endocrinology & Metabolism》:Gut microbiota, inflammatory cytokines and gastro-esophageal reflux disease: A Mendelian randomization analysis
【字体:
大
中
小
】
时间:2026年09月27日
来源:Cardiovascular Endocrinology & Metabolism 1.4
编辑推荐:
肠道微生物群在观察性研究中已被确认为胃食管反流病(GERD)的肝外表现。然而,这种关联的方向性和因果性,以及细胞因子是否作为中介因素仍然不清楚。我们旨在使用双样本孟德尔随机化方法估算肠道微生物群、炎症细胞因子与GERD之间的因果关系。利用全基因组关联研究和FinnGen联盟的
肠道微生物群在观察性研究中已被确认为胃食管反流病(GERD)的肝外表现。然而,这种关联的方向性和因果性,以及细胞因子是否作为中介因素仍然不清楚。我们旨在使用双样本孟德尔随机化方法估算肠道微生物群、炎症细胞因子与GERD之间的因果关系。利用全基因组关联研究和FinnGen联盟的汇总数据识别肠道微生物群、细胞因子和GERD。因果推断的主要方法是逆方差加权法,辅以一系列敏感性分析以评估异质性、水平多效性和结果的稳健性。此外,还进行了中介分析,以评估肠道微生物群与GERD及5种细胞因子之间的关联,并计算中介比例。我们发现肠道微生物群的遗传易感性与GERD之间存在3个正向和3个负向的因果关系。此外,细胞因子与GERD之间识别出2个正向和3个负向的因果关系。我们的分析揭示,TNF相关凋亡诱导配体水平(TRAIL)介导了菌属Family XIII UCG001和Senegalimassilia与GERD之间的因果关系。我们发现了6种细菌特征、5种炎症细胞因子与GERD之间的因果效应。值得注意的是,我们提供了因果证据,将TRAIL水平与归属于菌属Family XIII UCG001和菌属Senegalimassilia的相当部分风险联系起来,从而介导了GERD的风险。这些发现为针对GERD患者的治疗干预提供了新的途径。
1. 引言
胃食管反流病(GERD)的特征是至少每周出现一次令人烦恼的心胸灼热或反流,或与反流相关的并发症。根据内窥镜检查发现,GERD可分为3种类型:非反流性疾病、反流性食管炎和Barrett食管[1]。值得注意的是,GERD是食管腺癌的主要风险因素[2],而食管腺癌是消化系统中最致命的恶性肿瘤之一,也是全球第8大常见癌症[3,4]。GERD的患病率各不相同,西方国家为10%至20%,亚洲为5.2%至18.3%,全球趋势显示稳步上升[5,6]。GERD的年度直接成本总计93亿美元,是美国经济负担最重的消化性疾病[7]。因此,应对GERD的预防对于公共卫生至关重要,特别是考虑到食管腺癌的后续风险。
人体微生物在维持最佳健康状态的同时,也影响多种疾病的发生发展[8]。最近的研究揭示了肠道菌群组成与多种肠道疾病的出现和进展之间的相关性[9,10]。此外,研究表明,受GERD影响的人群与健康食管人群的食管微生物组成存在显著差异[11,12]。具体而言,包括韦荣氏球菌属、嗜血杆菌属、奈瑟菌属和梭杆菌属在内的革兰氏阴性厌氧菌数量增加,其中许多菌种与Barrett食管相关[13]。
细胞因子是小分子蛋白质,在促进体内细胞间通讯中起着关键作用[14]。它们由各种细胞分泌,可分为固有型细胞因子和适应性细胞因子,以及炎症细胞因子和抗炎细胞因子[14]。重要的是,细胞因子在维持免疫系统的微妙平衡中起着关键作用[15]。此外,炎症细胞因子与几种胃肠疾病的发病机制有关,包括Barrett食管。Souza等人的研究提出,胃食管反流可能不会通过反流的胃内容物直接损伤食管上皮细胞[16]。相反,有研究表明反流会触发食管上皮细胞分泌细胞因子,从而吸引免疫细胞并最终导致黏膜损伤。此外,慢性炎症有可能破坏肠道微生物群的平衡,从而加剧疾病进展[17]。
现有的观察性研究在探讨GERD与肠道微生物群之间的相关性时受到各种混杂因素的影响,包括饮食模式、环境因素、年龄和生活方式。此外,GERD是否直接影响肠道微生物群或炎症标志物的变化仍不确定。炎症标志物与肠道微生物群在GERD发生发展中的关系方向性也不清楚。这些混杂变量的存在使得建立肠道微生物群、炎症标志物与GERD之间的明确因果联系面临挑战。孟德尔随机化(MR)是一种遗传流行病学方法,采用遗传变异作为工具变量(IV)来评估暴露因素与结果之间的因果关系,从而减轻对环境混杂因素和反向因果性的敏感性[18,19]。尽管已有少数MR研究探讨了肠道微生物组与GERD之间的关联,但这些研究并未全面考察肠道微生物、炎症因素与GERD之间的相互联系[10]。
因此,我们进行了一项全面的MR分析,以探讨196种肠道微生物群因素、91种炎症细胞因子与GERD之间的因果关系。随后,我们探索了炎症细胞因子在从肠道微生物群到GERD这一通路中的潜在中介作用。此外,通过反向因果关系分析,我们检验了GERD风险的遗传易感性是否会影响肠道微生物群和炎症细胞因子。
2. 方法
2.1. 研究设计
我们采用双样本MR来估算肠道微生物群与GERD之间、循环炎症细胞因子与GERD之间的双向因果关系。随后,我们利用多变量MR(MVMR)评估每个中介因素对GERD相关特征的影响(图1)。单核苷酸多态性(SNPs)被视为工具变量(IV),MR基于3个核心假设:IV与暴露因素强相关;IV与混杂因素独立;IV不能直接影响结局,但只能通过暴露因素影响结局[20]。由于我们使用了公开可用的GWAS汇总统计数据,因此无需额外的伦理审批。
开放多媒体模式 图1. 开放多媒体模式 本研究设计概述。
2.2. 数据来源
本研究以肠道微生物群和91种循环炎症蛋白为暴露因素,以GERD为结局因素(表S1,补充数字内容,http://links.lww.com/MD/O306)。肠道微生物群的GWAS数据可通过MiBioGen联盟公开获取,该联盟是一项重要的研究联盟,利用来自不同种族和国籍的16S rRNA基因测序数据,对18,340名参与者进行了研究[21]。这一精心管理的流程产生了总计211个分类单元[21]。然而,15个未分类的亚种被排除在分析之外,最终数据集包含196个细菌分类单元[22]。关于91种炎症细胞因子的数据来自最近一项GWAS的重新分析结果,可在https://www.phpc.cam.ac.uk/ceu/proteins/访问[23]。这项GWAS研究包括11个队列,总共涉及14,824名欧洲血统个体[23]。关于GERD,我们从FinnGen(https://www.finngen.fi/en)获取了汇总数据集,包括28,859名欧洲血统病例和350,064名对照。FinnGen是公共部门与私人部门之间的合作努力,整合了芬兰生物样本库的基因型数据[24]。
2.3. 遗传工具变量选择
选择最佳遗传工具变量的过程如下:我们根据先前研究中提到的标准识别与肠道微生物群显著相关的SNPs(P < 1 × 10??);鉴于91种炎症细胞因子的SNPs数量有限,我们采用了严格的阈值P < 5 × 10??,并在MR分析中采用了相对宽松的阈值P < 5 × 10??。在肠道微生物群的反向分析中,选择阈值P < 1 × 10??的GERD SNPs,对于细胞因子,选择阈值P < 5 × 10??的GERD SNPs,与前向分析一致;去除IV的连锁不平衡以确保这些IV相互独立(r2 = 0.001,kb = 10,000);为了量化IV的强度,我们计算了F统计量,F统计量 > 10(F = β2暴露/SE2暴露)通常是MR分析推荐的标准[22,25]。
2.4. 统计分析
MR研究的主要分析方法是逆方差加权法(IVW),该方法在无方向性多效性的情况下可提供稳健的因果估计[26]。IVW方法结果的可信度取决于每个SNP满足MR假设,特别是没有水平多效性[26]。为了评估单个SNP获得的估计值之间的异质性,采用了Cochran Q检验[27]。在未检测到异质性时,采用固定效应模型。相反,在存在异质性时,采用随机效应模型以产生更稳健和可靠的估计值。如果异质性不显著(P < 0.05),则采用固定效应模型;否则,使用随机效应模型提供更可靠的估计值[27]。补充分析采用加权中位数法、简单众数法和加权众数分析以及MR-Egger方法。加权中位数法在超过50%的权重来自有效工具变异体时可以提供一致的估计值[28]。MR-Egger回归虽然能够在考虑水平多效性的情况下提供估计值,但精度较低[29]。如果IVW方法产生显著结果(P < 0.05),即使其他方法产生不显著结果,且未检测到多效性或异质性证据,只要其他方法的β值方向一致,就可以被认为是阳性结果。此外,还进行了简单众数和加权众数分析作为敏感性分析。最后,使用MR-Egger截距检验方向性水平多效性(P值 > 0.05表明不存在方向性水平多效性)[29]。
为了发现连接肠道微生物群和GERD的潜在因果通路,我们将已知对GERD具有显著或潜在因果效应的肠道微生物群和91种循环炎症细胞因子纳入中介分析。随后,进行多变量MR分析以验证这些炎症蛋白的中介效应,重点关注计算其中介影响。多变量MR是MR方法的扩展,能够通过中介因素将暴露因素与结局之间的总效应分解为直接效应和间接效应。随后,我们采用系数乘积法[β?×β?]估计间接效应,即肠道微生物群通过中介因素对GERD的因果影响。其中,β?代表肠道微生物群对循环炎症细胞因子的影响,β?代表炎症细胞因子在多变量MR中对GERD的独立效应[30]。
为修正多重假设的多重比较,在IVW MR分析中使用了错误发现率(FDR)(P < 0.05根据先前研究中提到的标准判定为显著)[31]。此外,未通过阈值但P值 < 0.05的结果被视为潜在因果关联[32]。只有当P_IVW < 0.05且其他方法的效果与IVW方法一致时,才注意到肠道微生物群、炎症蛋白与GERD之间的关联,并进行反向MR分析。所有分析均使用R软件(4.3.2)进行。MR分析使用基于R的软件包"TwoSampleMR"完成[33]。
3. 结果
3.1. 遗传工具变量
如方法部分所述,我们根据先前提到的标准,从肠道微生物群和91种循环炎症细胞因子的全基因组关联研究(GWAS)中选择了有效的工具变量。这些工具变量的详细特征可参见补充数字内容表S2和S3,http://links.lww.com/MD/O306。总之,共识别出2,092个与195种细菌特征显著相关的SNPs作为工具变量,而1,596个与91种循环炎症细胞因子显著相关的SNPs被识别为工具变量。在最终分析中纳入的工具变量中,所有F值均超过10,表明弱工具变量偏倚的可能性极小。
3.2. 肠道微生物群与GERD之间的因果效应
由于我们采用了严格的校正方法,在FDR校正后没有肠道微生物群达到显著性阈值。总之,根据我们的标准,我们观察到6种细菌特征与GERD风险之间存在关联性证据(图2和图3)。具体而言,注意到以下关联:菌属Family XIII UCG001(比值比[OR] = 1.146,95%置信区间[CI] = 1.037–1.267;P = 0.007)、菌属Parasutterella(OR = 1.096,95% CI = 1.007–1.193;P = 0.037)和菌属Sellimonas(OR = 1.124,95% CI = 1.013–1.248;P = 0.028)与GERD呈正相关,而菌属Faecalibacterium(OR = 0.892,95% CI = 0.799–0.966;P = 0.036)、菌属Oscillospira(OR = 0.906,95% CI = 0.825–0.994;P = 0.037)和目Burkholderiales(OR = 0.892,95% CI = 0.803–0.990;P = 0.032)呈负相关。此外,MR-Egger回归的截距表明这6种细菌特征中不存在潜在的水平多效性。详细信息见补充数字内容表S4,http://links.lww.com/MD/O306。最后,我们检验了这6种细菌特征与GERD之间潜在的反向关联,但使用IVW方法未发现统计学显著关系(补充数字内容表S5,http://links.lww.com/MD/O306)。
开放多媒体模式 图2. 开放多媒体模式 6种肠道微生物群与胃食管反流病之间关联的孟德尔随机化估计值。
开放多媒体模式 图3. 开放多媒体模式 6种肠道微生物群与胃食管反流病的散点图。
3.3.
# 循环炎症细胞因子与胃食管反流病之间的因果效应
关于91种循环炎症细胞因子与GERD之间的关联,经FDR校正后,没有任何一种循环炎症细胞因子保持显著性。简言之,我们鉴定出5种可能 correlated 于GERD的循环炎症蛋白(图4和图5)。具体而言,T细胞表面糖蛋白CD5(CD5)(OR=1.063,95% CI=1.008?1.120,P=.023)、白介素-1α(IL-1α)水平(OR=1.121,95% CI=1.028?1.223,P=.010)和TNF相关凋亡诱导配体水平(TRAIL)(OR=1.038,95% CI=1.005?1.073,P=.025)显示出对GERD的潜在正向影响。相反,我们鉴定出2种可能降低GERD风险的循环炎症蛋白(C-C基序趋化因子19 [CCL19]的OR=0.956,95% CI=0.914–1.000,P=.002;白介素-17C [IL-17C]的OR=0.933,95% CI=0.876–0.995,P=.033)。与关于肠道微生物群的研究结果类似,我们未在这5种循环炎症蛋白与胃食管反流之间发现潜在的横向多效性证据(P interrupt>.05)。表S6,补充数字内容(http://links.lww.com/MD/O306),提供了详细结果。此外,我们未观察到GERD与这些炎症细胞因子之间的关联(表S7,补充数字内容,http://links.lww.com/MD/O306)。
**图4.** 孟德尔随机化估计:5种炎症细胞因子与胃食管反流病之间的关联。
**图5.** 5种炎症细胞因子与胃食管反流病的散点图。
## 3.4. 循环炎症细胞因子的中介效应
为了探索潜在的中介变量,我们进行了多变量MR分析,以同时估计肠道微生物群和循环炎症细胞因子对GERD的直接影响。我们的发现表明,肠道微生物群和循环炎症细胞因子均对GERD具有因果效应。值得注意的是,循环炎症细胞因子似乎介导了肠道微生物群与GERD之间的通路。建立中介效应的前提之一是肠道微生物群与循环炎症细胞因子之间存在显著关联。幸运的是,我们的分析显示TRAIL介导了属Family XIII UCG001与GERD之间的因果关系,其中介效应占总效应的0.9%(95% CI=1.001–1.021)。此外,TRAIL还介导了属Senegalimassilia与GERD之间的关系,其中介效应占总效应的1.00%(95% CI=1.002–1.021)(表S8和S9,补充数字内容,http://links.lww.com/MD/O306)。
## 4. 讨论
本研究是一项综合性的MR调查,旨在评估肠道微生物组、炎症细胞因子与GERD易感性之间的因果联系。我们的MR分析揭示了遗传预测的6种肠道微生物组因子和5种炎症细胞因子的变异与GERD发病风险相关。此外,我们提供了因果证据,表明TRAIL水平在属Family XIII UCG001和属Senegalimassilia对GERD风险的效应中起重要的中介作用。
在我们的研究中,观察到3种肠道细菌(属Family XIII UCG001、属Parasutterella和属Senegalimassilia)增加GERD的风险,而属Faecalibacterium、属Oscillospira和目Burkholderiales可降低GERD的风险。我们的发现与Wang等人的MR研究结果一致,[10]该研究利用GWAS汇总数据调查了GERD与肠道菌群失调之间的关联。Wang等人鉴定出13个不同的肠道菌群类别与GERD中的失调相关。[10]重要的是,他们的研究还揭示了属Family XIII UCG001与GERD之间存在显著的正相关,这进一步支持了我们的发现。然而,一项日本研究采用独特的定量16S rRNA基因PCR方法来测量总细菌数量,并表明微生物门类的相对比例(如变形菌门、厚壁菌门和放线菌门)比绝对细菌计数更相关于食管疾病。[11]我们的研究中未观察到类似的发现,人群人口统计特征和饮食模式的差异可能是造成这些差异的原因。目前尚无专门将属Parasutterella或属Senegalimassilia与GERD联系起来的具体报告。然而,已有研究探讨了这些微生物物种与各种胃肠道疾病的关联。[34]例如,此前已发现属Parasutterella在克罗恩病患者的回肠黏膜下显著富集,提示这些微生物可能具有潜在的侵袭特性。[34]因此,属Family XIII UCG001、属Parasutterella和属Senegalimassilia在GERD背景下的确切作用在很大程度上尚未被探索,有待进一步研究。
我们的研究表明,属Faecalibacterium、属Oscillospira和目Burkholderiales是GERD的保护因子。Faecalibacterium是一种革兰氏阳性细菌,属于厚壁菌门梭菌纲瘤胃球菌科,约占健康成年人肠道微生物群的5%。[35,36]此外,属Faecalibacterium是首批被鉴定出在非炎症性肠病患者之间表现出差异的共生菌属之一,其有利作用似乎与其抗炎特性有关。[37]最近的研究表明,属Oscillospira构成人体粪便微生物组的重要组成部分,表明其对人体健康具有潜在的重要性。[38]此外,研究还强调了属Oscillospira作为下一代益生菌候选者的潜在重要性。[39]这种细菌以其产生丁酸盐的能力而著称,丁酸盐在维持肠道平衡和健康中起着关键作用。通过其调节结肠细胞代谢功能和维持黏液层完整性的能力,属Oscillospira对肠道的整体健康做出了重要贡献。[40–43]在反向MR中,GERD并未影响肠道微生物群。这些发现强调了研究特定肠道微生物组实体在理解GERD发展中的重要性,从而强调了全面研究的必要性,以揭示潜在的机制并确定潜在的治疗策略。
炎症因子对GERD发展的贡献程度仍不清楚。IL-8的血清水平在GERD中已得到深入研究,在GERD患者受累黏膜中观察到高表达水平。[44–46]不幸的是,我们的研究未发现IL-8与GERD之间存在显著关联。根据MR分析,我们发现IL-1α水平、CD5水平和TRAIL水平显著增加了GERD的风险,而CCL19水平和IL-17c水平降低了GERD的风险。IL-1α与GERD显著相关,这可能与其诱导促炎效应有关。[47]TRAIL是一种属于TNF超家族的细胞因子,已显示出对癌细胞的特异性细胞毒性。然而,食管腺癌可能由于多种因素而对TRAIL治疗产生耐药性。[48]然而,CCL19和IL-17c与GERD之间似乎存在负相关。在进一步的中介分析中,TRAIL水平可能介导了属Family XIII UCG001和属Senegalimassilia对GERD风险的效应。如前所述,早期肠道失调会触发促过敏机制,并通过升高TRAIL水平增加过敏风险。未来的分子和临床研究对于深入了解潜在过程至关重要。
本研究具有几个显著特点。首先,这是首个探索肠道微生物组、细胞因子与GERD之间因果相互作用的大规模MR分析。然而,值得注意的是,该分析仅限于欧洲人群,这可能限制了对不同祖先背景个体的发现推广。其次,本研究采用的双样本MR方法基于汇总数据,并假设暴露与结局之间存在线性关系。因此,我们无法评估肠道微生物群、炎症细胞因子与GERD之间潜在的线性关系。此外,我们采用了相对宽松的重要性阈值(P<5×10??和P<1×10??)来选择IVs,这可能引入假阳性变异和潜在偏倚,但值得注意的是,许多肠道微生物组研究也采用了类似的标准。[22,25,49]最后,虽然我们采用了各种方法来评估和调整潜在的异质性或多效性,但我们承认可能无法完全消除未知的异质性或多效性。
## 5. 结论
在本研究中,我们全面考察了肠道微生物群、细胞因子与GERD之间的因果关系。我们发现肠道微生物群的遗传易感性与GERD之间存在3个正向和3个负向因果关联。此外,我们观察到细胞因子与GERD之间存在3个正相关和2个负向因果关系。重要的是,我们提供了因果证据,表明TRAIL水平与属Family XIII UCG001和属Senegalimassilia之间的重要比例相关,从而介导了GERD的风险。这些发现为GERD患者的治疗干预提供了新的机会。
## 致谢
我们感谢GWAS数据库提供公开数据,并感谢所有GWAS工作人员。
**出版商声明:** 本文表达的所有观点均为作者个人观点,不一定代表其所属组织或出版商、编辑和审稿人的观点。本文可能评估的任何产品,或其制造商可能做出的任何声明,均不保证也不得到出版商的认可。
## 作者贡献
概念化:Ma Shenghui, Liu Mengjie, Tao Yu.
数据管理:Wang Qilin, Tao Yu, Sun Zhiguang.
资金获取:Tao Yu.
方法论:Ma Shenghui.
监督:Sun Zhiguang.
撰写——初稿:Wang Qilin, Ma Shenghui, Liu Mengjie.
撰写——审阅与编辑:Liu Mengjie, Tao Yu, Sun Zhiguang.
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号