不同身体质量指数人群肠道菌群结构及共存网络解析

[背景] 人体能量稳态失衡表现为体重过轻、超重和肥胖,肠道菌群与人体能量稳态的维持有关,但不同身体质量指数（Body Mass Index,BMI）人群的肠道菌群特征仍需进一步探究。[目的] 基于美国肠道计划公开数据库,解析4类BMI人群肠道菌群的特征,并探究4类BMI人群肠道菌群共存网络特征及差异,为基于肠道菌群来干预肥胖及体重过轻等不健康状态提供新的理论依据。[方法] 从美国肠道计划数据集中筛选具有BMI信息的肠道菌群样本,并根据世界卫生组织规定的BMI划分标准将筛选后的样本分为4类：体重过轻（BMI<18.5 kg/m²）,正常体重（18.5 kg/m²2）,超重（25 kg/m²2）,肥胖（BMI>30 kg/m²）;通过计算和比较肠道菌群的α多样性和β多样性探究4类BMI人群肠道菌群的整体结构特征及差异;通过多元线性回归模型对不同BMI分类与肠道菌群进行相关性分析,并且将地域、年龄、性别因素作为混杂因素加入到模型中进行校正;采用SparCC分别计算4类BMI人群肠道菌群中菌属相关性,并分别构建肠道菌群共存网络。[结果] 经过Wilcoxon秩和检验,发现体重过轻、超重、肥胖人群的肠道菌群α多样性都显著低于正常体重人群;β多样性分析结果表明4类BMI人群肠道菌群的整体结构存在显著差异;4类BMI人群肠道中厚壁菌门（Firmicutes）和拟杆菌门（Bacteroidetes）的相对含量无显著差异;通过MaAsLin分析,并且将地域、年龄、性别因素作为混杂因素加入到模型中进行校正,共得到49个与BMI类型显著相关的物种;4类BMI人群肠道菌群共存网络的拓扑结构具有一定差异,体重过轻和正常体重人群肠道菌群共存网络的复杂度较高,超重和肥胖人群肠道菌群共存网络的复杂度较低。[结论] 4类BMI人群肠道菌群的多样性、整体结构和共存网络间均存在差异。     

嗜酸乳杆菌La28和植物乳杆菌LP45对过敏小鼠的干预作用

[目的]研究嗜酸乳杆菌La28和植物乳杆菌LP45对特应性皮炎和过敏性哮喘小鼠的干预作用,解析其在相关免疫调节上的菌株特异性差异.[方法]对特应性皮炎研究中将40只小鼠随机分为对照组、模型组、La28组和LP45组,除对照组外的其他三组采用2,4-二硝基氟苯诱导耳肿胀和皮炎模型,La28组和LP45组每天灌胃5×108...     

肥胖人群肠道菌群特征分析及机器学习模型

【背景】肠道菌群与人体健康之间的关系吸引了越来越多的关注,成为目前热门的研究热点。【目的】基于美国肠道计划公开数据库,对肥胖和健康人群肠道菌群进行比较分析,解析肥胖人群肠道菌群特征,并基于肠道菌群建立机器学习模型预测人群肥胖的状态,为基于肠道菌群干预肥胖提供理论基础。【方法】从公开数据库中获取美国肠道计划中的肠道菌数据,经过筛选得到1 655个健康(18.530)成年人的肠道菌群数据。针对α多样性,进行了Wilcox秩和检验分析并通过logsitic回归判定α多样性与肥胖之间的关系;对Unweighted Unifrac、Weighted Unifrac和Bray-Curtis三种β多样性距离进行主成分分析(principal component analysis,PCA),探索肥胖与健康人群在肠道菌群组成上的差异;对于物种差异,进行Wilcox秩和检验探索差异菌属;通过PICRUSt分析预测可能的代谢通路,同时与肠道菌群进行相关性分析。利用Scikit-Learn软件包基于属水平的肠道菌群数据建立肥胖分类机器学习模型,并进行网络搜索确定最佳模型参数。【结果】经过Wilcox秩和检验,发现肥胖人群的α多样性都较健康人群显著下降,logistic回归表明α多样性与人体肥胖状态有相关性。经过基于Weighted unifrac、Unweighted unifrac和Bray-curtis三种距离的PCA,肥胖和健康人群的肠道菌群结构上无明显差异;在门水平上,肥胖人群中的Firmicutes和Bacteroidetes比值较低,在属水平上共发现57个在两组之间具有显著性差异的属,其中肥胖人群中的Ruminococcus相对丰度较高,而Prevotella、Akkermansia和Methanobacteriales的相对丰度较低;PICRUSt预测的代谢通路有63个代谢通路在两组之间具有显著差异;梯度提升回归树对于基于肠道菌群预测肥胖人群效果最好,受试曲线下与坐标轴围成的面积(area under curve,AUC)值可以达到0.769,测试集精度可以达到0.725。【结论】基于大规模的肠道菌群数据揭示了肥胖人群肠道菌群的特征,将机器学习运用到肥胖预测上面,为精准膳食、精准医疗提供新的研究思路和理论基础。     

Dehouck-Gilis-Rooman 统计势能函数的简化

统计有效能函数(Statisticaleffectiveenergyfunction(SEEF))又称统计势能函数,来源于对已知蛋白质结构数据库进行的统计分析。近年来Dehouck-Gilis-Rooman(DGR)小组通过将蛋白质结构的总体统计势能分解成低阶的势能项之和,提出了一种新型的统计势能函数,这种势能函数由有限个可加和的项组成。我们试图对这种势能函数进行简化,即通过诱导蛋白质数据库选择尽可能少的势能项,而且这些势能项的加和可满足一定的性能要求。结果我们得出了六组势能项组合,其性能可和DGR小组得出的势能项组合相媲美,但其势能项数目却大大减少,完全可用于蛋白质结构预测。