Author Archive 谷禾健康

人类微生物组研究报告——规范流程

谷禾健康

人类微生物组的变化与许多疾病和健康状况有关。然而,看懂人类微生物组研究结果的报告具有挑战性,因为它通常涉及微生物学、基因组学、生物医学、生物信息学、统计学、流行病学等领域的方法。

人类微生物组的研究与其他类型的分子流行病学研究具有许多共同特征,但它们也需要独特的考虑因素,具有自己的方法学最佳实践和报告标准。除了流行病学研究设计的标准要素外,独立于培养的微生物组研究还涉及生物标本的收集、处理和保存;不断发展的实验处理方法,具有更高的批次效应潜力;生物信息学处理;稀疏、异常分布、高维数据的统计分析;报告可能的数千种微生物特征的结果等。

由于微生物组研究没有公认的金标准方法,而且该领域还没有就这些方面形成共识,但是各个领域的人员共同努力逐渐形成适用于广泛的人类微生物组研究报告的规范流程是微生物领域快速发展的基础。

方 法

参 与 者

对研究参与者的描述中,应描述入组的人群,以及如何从人群中抽取参与者。

参与者的特征,例如环境、生活方式行为、饮食、生物医学干预、人口统计和地理都可能引起微生物组的显着差异,因此应该包含这些基本描述。

时间背景也很重要,因此应说明招聘、跟进和数据收集的开始和结束日期。

此外,还应包括用于评估潜在参与者是否符合研究资格的具体标准,包括纳入标准和排除标准的详细信息。纳入和排除标准是用于选择研究参与者的预先确定的特征,描述这些标准对于了解研究的目标人群至关重要

应描述收集的有关可能影响微生物组的抗生素或其他治疗的任何信息,以及是否有任何排除标准包括最近使用抗生素或其他药物。

应说明最终的分析样本量,以及在招募、随访或实验室过程的任何步骤中排除参与者的原因

建议使用流程图来显示参与者被排除在研究之外的时间和原因。例如如下流程说明。

Mirzayi C, et al., Nat Med. 2021

如果参与者在纵向研究中失访或未完成所有评估,则应说明如何进行随访的详细信息,并应报告特定时间点的样本量。

此外,将病例与对照进行匹配的研究应描述在匹配中使用了哪些变量

实 验 方 法

应描述实验室样品的处理,包括样品采集、运输和储存的程序

由于 DNA 提取可能是跨研究技术差异的主要来源,因此应描述 DNA 提取方法。如果进行了人类 DNA 去除和微生物 DNA 富集的描述,也应包括在内。同样,如果使用阳性对照、阴性对照或污染物减轻方法,则应对其进行识别和描述

应描述报告与测序相关的方法。这包括引物选择和 DNA 扩增(包括16S rRNA 基因可变区,如果适用)。测序完成的主要单位(公司或者检测机构),例如鸟枪法或扩增子测序。最后,应解释用于确定相对丰度的方法。

批次效应应作为潜在的混杂来源进行讨论,包括为确保批次效应不与暴露或感兴趣的结果重叠而采取的步骤。如果进行宏转录组学、宏蛋白质组学或代谢组学,应提供这些方法的详细信息

数 据 源 / 测 量

对于非微生物组数据(例如,健康结果、参与者的社会经济、行为、饮食和生物医学特征,包括疾病位置和活动以及环境变量),应描述每个变量的测量和定义。例如,参与者的性别和年龄可以从电子病历或分发给参与者的问卷中获得,那么应该清楚描述这个数据源的获得方式。还可以讨论测量的局限性,包括由于错误分类或丢失数据导致的潜在偏差,以及为解决这些测量问题所做的任何尝试。

因果推断的研究设计注意事项

在没有直接观察到假设的因果关系的情况下,观察数据通常用于测试旨在进行因果推断的关联

方法包括,例如,使用多变量分析或匹配来调整假设暴露(例如微生物分类群的丰度)与研究中的疾病或病症之间的混杂变量。混杂因素可以被认为是暴露和研究结果的常见原因,可以导致暴露和结果之间的虚假关联。例如,年龄可能是一个常见的混杂因素,因为它会影响微生物组和大多数健康结果的风险。

如果不采取措施避免批次间条件的不平衡,实验室批次效应也可能混淆微生物组与感兴趣条件之间的关系。试图控制测量混杂的常用方法是调整或分层混杂。应为因果推断的回归模型中包含或排除的变量提供理由,因为对非混杂变量进行调整或分层会引入偏差。作为这一理论论证的一部分,作者应考虑包括一个有向无环图,显示假设的感兴趣的因果关系。

除了考虑研究的理论动机外,还应讨论可能会扭曲微生物组与感兴趣变量之间观察到的关系的选择或生存偏差的可能性。例如,这种偏倚可能是由于失访(在纵向研究中)或由于疾病本身而没有将参与者纳入研究(例如,死于侵袭性结直肠癌和还没有幸存下来,无法参与结肠直肠癌微生物组的假设研究)。检查表中其他地方的其他项目可能与因果推断问题直接相关,包括假设、研究设计、匹配、偏倚和普遍性。鼓励调查因果问题的作者在因果推断的背景下考虑他们对这些项目的报告。

生物信息学和统计方法

生物信息学和统计方法的充分描述对于生成严谨且可重复的研究报告至关重要。

应描述数据转换(例如标准化、稀疏和百分比)。应充分披露质量控制方法,包括过滤或删除读数或样本的标准。应说明用于分析数据的所有统计方法,包括如何选择感兴趣的结果(例如,使用P值、q值或其他阈值)。

应详细描述分类、功能分析或其他序列分析方法。为了重现性,所有用于数据预处理和分析的软件、软件包、数据库和库都应该被描述和引用,包括版本号

可重复的研究

可重复的研究实践作为出版过程中的质量检查以及进一步的透明度和知识共享,如 Schloss 提出的标题中所详述。期刊越来越多地实施可重复的研究标准,包括数据和代码的发布,并且在可能的情况下应遵循这些指南。

如果可能,原始数据和处理过的数据,应存放在独立维护的公共存储库中,这些存储库可提供长期可用性,例如由 NCBI 或 EMBL-EBI 维护的公共存储库。Zenodo ( https://zenodo.org/ ) 或 Publisso (https://www.publisso.de/en/ ) 可用于为处理后的数据集提供 DOI。

如果数据或代码不公开或不能公开,即使在提供限制访问选项的存储库中,也应提供感兴趣的读者如何访问数据的描述。至少应描述任何受保护的信息,以及如何访问此类数据

结 果

描 述 性 数 据

应报告关于研究人群的描述性统计数据。至少,应描述研究人群的年龄和性别,共享数据文件中应包括每位参与者的年龄和性别,但应尽可能报告其他重要的参与者特征,包括药物使用或生活方式因素,例如饮食。

作者应考虑在描述性统计表中如何报告这些数据。例如R 软件中的 table1 包等包,使创建这样的表不那么复杂。

结 果 数 据

研究的主要结果应该是详细的,包括描述性信息、感兴趣的发现和任何额外分析的结果

应为每个组和每个时间点报告描述性微生物组分析(例如,降维如主坐标分析、多样性测量和总分类组成)。

这应为读者提供了差异丰度分析的结果。当报告差异丰度测试结果时,应明确说明每个可识别的标准化分类单元的差异丰度的大小和方向。其他类型分析的结果,如代谢功能、功能潜力、MAG 组装和 RNA-seq,也应在结果中描述

附加结果(例如,非显著结果或完全差异丰度结果)可以包含在补充中,不应完全排除

虽然这个问题已经存在了几十年,许多领域的期刊都认识到发表偏倚的问题,但在出版物中包含此类结果将有助于降低这种偏倚的严重程度,并改进未来的系统评价和荟萃分析

讨 论

讨论应包括对本研究和相关方法的局限性的讨论。应讨论偏差的可能性以及它们将如何影响研究结果

许多形式的偏倚,例如残差/未测量混杂、与成分分析相关的偏倚、测量偏倚或选择偏倚,都可能影响对研究结果的解释,在讨论中承认潜在的偏倚来源很重要。

还应考虑研究发现的普遍性,以及这些发现是否适用于目标人群或其他人群。如果不同形式的偏见没有被评估或假设,可以忽略不计,但应说明这一点。

主要参考文献

Mirzayi C, Renson A; Genomic Standards Consortium et al. Reporting guidelines for human microbiome research: the STORMS checklist. Nat Med. 2021 Nov;27(11):1885-1892. doi: 10.1038/s41591-021-01552-x.

Wirbel, J. et al. Meta-analysis of fecal metagenomes reveals global microbial signatures that are specific for colorectal cancer. Nat. Med. 25, 679–689 (2019).

Simoneau, J., Dumontier, S., Gosselin, R. & Scott, M. S. Current RNA-seq methodology reporting limits reproducibility. Brief. Bioinform. 22, 140–145 (2021).

Ten Hoopen, P. et al. The metagenomic data life-cycle: standards and best practices. Gigascience 6, 1–11 (2017). – PubMed – PMC

Yilmaz, P. et al. Minimum information about a marker gene sequence (MIMARKS) and minimum information about any (x) sequence (MIxS) specifications. Nat. Biotechnol. 29, 415–420 (2011). – PubMed – PMC

关于《CELL》最新研究:饮食,自闭症与肠道菌群的疑惑与讨论

谷禾健康

本文原创:谷禾健康

自闭症谱系障碍是一种神经发育疾病,其特征是社交和沟通困难限制性和重复性行为以及异常的感觉反应

自闭症的具体发病机制尚不能明确,但目前为止许多研究表明,自闭症与肠道微生物组之间存在很大关联性。

最新,Yap等人发表于Cell的一篇题为“Autism-related dietary preferences mediate autism-gut microbiome associations”的论文就自闭症与肠道菌群的关联给出了他们的研究成果。

其核心结论是:

肠道菌群与自闭症之间没有直接联系。自闭症儿童与正常儿童的肠道菌群差异是由于自闭症症状导致患儿的饮食多样性下降,饮食类型狭窄,从而导致肠道菌群多样性减少,进而引发便秘和消化道症状。

经过对论文的详细阅读,我们认为该结论的适用范围和可靠性需要进一步商榷。

我们来看看其研究设计情况。

关于肠道菌群这方面的研究,很关键的一个点是研究的样本数量。

01 样本数量有限,统计效力存疑

首先,这项研究涵盖了共247名儿童(2-17岁),其中自闭症患者99名,51名患者的兄弟姐妹,97名非自闭症儿童,样本来自澳大利亚自闭症生物银行Australian Autism Biobank (AAB)。

我们观察到样本人群相对于宏基因组来说样本数量还可以,但是99例自闭症患者样本还是让整个研究的统计效力及研究的适用范围有很大限制

02自闭症和队列样本年龄分布与自闭症发生年龄段不一致

自闭症属于神经发育疾病,虽然其病因复杂,但是疾病的发生阶段绝大部分在出生到3岁左右,主要影响了儿童早期的神经系统发育,导致出现神经发育滞后、刻板行为和社交障碍

类似的疾病还有注意力缺陷ADHD以及多动症等。越早期的干预其愈后和改善就越明显,因为早期神经系统发育是阶段性的,错过了发育阶段,很难在后期通过行为学等方面获得明显改善。

进一步查看研究样本的年龄分布我们发现,该研究的样本年龄均值在8.7岁

虽然范围在2-17岁,但是和自闭症发病阶段3岁以下的各组样本分别是7例、7例和8例,2岁以下的样本仅有1例。

也就是说,研究涉及的自闭症患者虽然仍然有着自闭症的诊断和行为表现,但是绝大部分样本均不是处于神经发育的最核心阶段,而且大部分样本应该是经历过多年的包括行为干预或其他治疗。

因为自闭症与早期行为发育相关,大部分确诊儿童可能其行为表现和社交能力直到成年可能仍然没有完全恢复或达到正常水平,可能在多年后即便其引发自闭症的病因(主要是环境或生理因素)已经消失,但症状或诊断仍然没有变化,这就意味着这些样本可能不能反映真实的自闭症发生时的神经发育和菌群状况,因而也不能说明菌群在自闭症的发病和发展过程中并无联系。

更重要的是肠道菌群的组成变化尤其是生命早期与年龄和发育阶段密切相关,3岁之前的肠道菌群基本上每个月龄都存在变化,3岁之后的肠道菌群会趋向于接近成年人的菌群构成,并逐渐成熟。

还需要注意的是,在6个月左右,由于固体辅食的引入,婴幼儿的饮食结构会发生重要变化,相对应的肠道菌群也会发生重要的转变,从乳制品代谢为主的韦荣氏菌、双歧杆菌、大肠杆菌为主逐渐进入以碳水化合物和蛋白质代谢为主的拟杆菌或普雷沃氏菌属等成年人常见核心菌群为主的菌群构成。这一变化阶段恰恰是自闭症对应早期神经发育的最重要阶段,而该研究基本没有这个阶段的样本。

研究中也明确提及肠道菌群构成年龄存在较强的相关性,在分析中是将年龄和性别作为协变量进行控制,但我们认为这种统计方式不足以解决儿童肠道菌群在不同年龄阶段的变化差异,需要进一步对不同年龄阶段或年龄的儿童进行单独分组分析,但是这样该研究的样本数量就严重不足以获得足够的统计效力。

03 配对家庭样本分析存在疑问

研究中包含有来自同一家庭的非自闭症兄弟姐妹,作为对照能较好的控制包括饮食、生活方式及居住环境等变量,因此很自然我们希望看到针对成对家庭兄弟姐妹的比较分析。

在论文的补充材料方法部分有描述了使用成对样本进行比较的内容,一个102个样本,形成51对样本。对于这样的成对样本分析,比较简单的方式是直接进行成对T检验。

然而,论文中并没有这么做,比较奇怪的将family ID作为随机变量从而控制成对样本的差异检验。但是家庭ID本身除了家庭之外并没有类似年龄或分层等信息量,作为随机变量加入后并不能有效实现成对分析的效果。

另外根据论文的结论,饮食结构单一引起了菌群的变化,进而诱发肠道问题,那么在成对家庭成员样本之间,自闭症儿童相较于同家庭的兄弟姐妹在相同饮食习惯和环境下是否饮食结构明显单一呢

我们期待看到自闭症儿童的饮食多样性要显著低于其兄弟姐妹,且基本集中于低多样性的区间。

论文补充材料部分的下面这张图显示,同家庭兄弟姐妹之间的饮食多样性是显著相关的。

那么对应的菌群多样性呢?下面的图显示,基本没有相关性

由于论文没有进行成对样本的检验,因此我们尝试下载数据进行单独分析,很遗憾,论文中提供的数据仅包括100例样本的数据,表型和分组等信息只有50例样本的,无法进行单独分析

针对论文结论的自闭症儿童的饮食类型狭窄的问题,我们认为在早期婴幼儿期饮食构成本身就是相对单一的,而且非自闭症儿童中也存在相当一部分饮食结构单一的,单以饮食结构问题来解释自闭症儿童的菌群差异还不具有足够的说服力

04 菌群数据的过滤筛选对结果的影响

另外我们注意到,该研究将菌种和后续的基因及代谢途径分为常见和罕见两组,其中种部分中位数大于0的作为常见的,一共96个,其他的有607个种作为罕见

另外在后续对功能基因的分析时也是将分析集中于前面发现的Romboutsia timonensis菌种相关的基因。

当然这是受限于样本数量的因素,聚焦于普遍的高丰度的菌属和基因,但是也有很大可能丢失了可能的联系。

综上,文章否定的是菌群与自闭症之间的直接关联,与之相关文章识别到了自闭症与健康儿童间的差异菌(Romboutsia timonensis,经过年龄、性别、饮食偏好调整之后),以及菌群与重复刻板行为存在显著相关(Fig. 4H)。

在这样的事实前面,文章依然要强行否认自闭症与菌群的关系,作者的行为很让人费解。

众说纷纭

对此,网友们也各抒己见,就该文发表了一些见解:

他们的研究甚至没有试图确定:微生物群是否在自闭症谱系障碍中起驱动作用

他们自己的研究需要收费,这让事情更糟糕。人们必须付费去看他们的研究…

我们认为,以下系列问题仍有待回答

1. 他们的自闭症儿童都属于主要集中在轻度或者边缘程度,这个样本选择是否能代表自闭症的全部群体还存疑;

2. 如果将饮食归因于挑食等问题,那么在临床实践中我们也经常看到正常孩子也有挑食。研究者如果要说明菌群和挑食等行为有关而不是自闭有关,那么应该要设置一组挑食的健康对照儿童,才能彻底屏蔽这个因素的可能影响;因为作者明确表示饮食和自闭症有关,而不认为菌群和自闭症有关;

3. 这些样本的分布是否有跨地区特点?如果有,那么区域也会带来极大的差异,如菌群、饮食习惯等等,如何规避这个的影响?

《cell》原文:doi.org/10.1016/j.cell.2021.10.015

微生物组和组学成分数据分析之ALR对数转换

谷禾健康

编辑​

微生物组和组学数据集,由于其生物学性质,通常是高维的,特征常以各种成分,如基因、OTU、RNA转录本等的计数为特征。这些数据统称为成分数据

这类数据分析的中心概念是对数转换,而其中最简单的策略是ALR(Additive log ratio)方法。对于高维数据,ALR方法有一下几个特点:

(a) 次要成分都是相干的

(b)可以解释100%的总对数方差

(c)测量结果非常接近于等距。

最近,来自西班牙科学团队的一篇题为“Compositional Data Analysis of Microbiome and Any-Omics Datasets: A Validation of the Additive Logratio Transformation” 的文章指出:

ALR对数转换可以有效提供一组简单的变量来表示整个成分数据集,其关键节点在于选择哪个成分为参考,并使用三个高维组学数据集进行验证。

01
验证方法

通过ALR方法的理论和推导公式(这里不详述,推荐看原文),分别计算总对数方差(The total logratio variance 总结了采样点在多维空间中的分散程度),Logratio GeometryProcrustes分析,以此找到有效的参照特征。再与其它对数转换方法对比,如CLR对数转换。

02
数据集验证

1. 兔子数据集


数据集为非零数据集,89个样本,3937个特征

总对数方差为0.1601,Procrstes相关系数最高为0.9991,对应的基因数为856。该基因在3937个基因中的相对丰度排名第201位。

图一为所有3937个特征的Procrstes相关性直方图。为了直观地显示ALR变量接近等距的程度

图一

图二显示了在ALR上计算的所有样本间距离,基于所有成对对数的对数距离或同等情况下的所有CLR绘制相应的精确对数距离。

图二

图三为对于数据集的89个样本,参考基因编号856的计数与计数总和之间成正比。

图三

下图四展示了整个数据集的LRA(是所有成对对数的主成分分析(PCA),相当于所有CLR的主成分分析以加权或非加权的形式)。

而图五中展示了具有参考基因856的ALR的对应PCA。主成分分析与参考成分微生物基因编号为856时,其几何形状实际上与确切的直线几何形状相同(Procrstes相关=0.9991)。字母S和F代表进行测序的两个实验室,显示出明显的分离

图四

图五

2. 小鼠数据集

数据集大小,28个样本3147个特征。此数据集中有34个零,使用R包zComposition中的函数cmultReplin替换。

总对数方差 0.2099,Procrustes相关系数最高为0.9977,对应转录本编号1318,其中转录本编号1179的Procrustes相关系数也与其相似。

图六

图七

图六显示了在ALR上计算的样本间距离。为了显示任意大小数据集的ALR变换的质量,对MICE数据进行了模拟研究,从数据中随机抽取不同大小的样本,将每个样本作为独好的立的样本,并为该特定数据集的ALR变换找到最佳参考。

对于100、500、1,000、1,500、2,000、2,500、3,000和3,500个转录本的子集,以及每个子集的100个随机样本,绘制最佳的Procrstes相关性,如图七展示。ALR变换的等距质量随着可能的参考成分特征数量的增加而提高。

图八展示完整数据集的LRA,图九展示了参考转录本编号1179的ALR的PCA。它们实际上是相同的,只是有很小的差异,而在这之前的Procrstes相关系数结果就已经指示出了。标签代表两种不同的处理(L和M)和7种不同的时间(0、1、2、4、6、9和12h)。

图八

图九

3. 奶牛数据集

这是一个大小为211个样127个特征的核磁共振强度数据集。样本被分成三个饮食组:精料组、混合组和饲草组,还测量了甲烷产量。

图十

图十一

总对数方差0.09128,Procrustes相关系数最高为0.9902,对应于编号101。图十展示完整数据集的LRA,图十一展示了编号101的ALR的PCA。标签C(精料)、M(混合)和F(饲料)。

03
结论

从以上三个数据集的验证分析不难看出,对于高维数据,使用ALR对数转换也能得到对全部特征使用CLR对数转换方法的结果,关键在于找到有效的参考特征(成分)。

文章中作者建议将其作为此类高维数据成分数据分析的第一步。作者公开了部分数据集的存放地址,以及用于数据处理的部分代码。可以自己尝试看看是否适用。

扩展:数据集位置及实用脚本

兔子数据集: https://www.ebi.ac.uk/ena/browser/view/PRJEB46755

小鼠数据集:http://doi.org/10.5281/zenodo.3270954

其它数据集及脚本:https://github.com/michaelgreenacre/CODAinPractice

在这个github中有详细列出文中所使用的用于数据处理的各个R源码,以及目前这些数据处理的相关函数。

而这些脚本现已被整合为R包,easyCODA,可以从CRAN中直接下载。在Rstudio中调用“install.packages(“easyCODA“)”。

Tips

在对成分数据(composition data)进行分析时,通常会对原始数据进行矫正,也可以理解为一种标准化方法。比较常用的对数转换方法是CLR(Centered Log-Ratio),其次是ALR(Additive Log-Ratio,也就是文章主要推荐的方法)和ILR(Isometric Log-Ratio)。

每种方法都有优缺点,对于后续统计分析的适用程度,CLR>ALR>ILR个人建议先使用CLR和ALR对数据进行转换,然后使用PCA或其他降维分析方法查看其类群分布,搭配adonis查看其统计显著性水平。只要能达到预期结果就都能使用。如果CLR和ALR数据转换后结果差异不大,那推荐使用CLR

参考文献:

Greenacre M, Martínez-Álvaro M, Blasco A. Compositional Data Analysis of Microbiome and Any-Omics Datasets: A Validation of the Additive Logratio Transformation. Front Microbiol. 2021 Oct 11;12:727398. doi: 10.3389/fmicb.2021.727398.

换个角度看“三胎” | 胎次影响母婴肠道菌群

谷禾健康

生?还是不生? 

随着三胎政策到来,关于三胎的话题源源不断:

包括显而易见的经济压力,职场男女是否平等,教育是否能跟上,住房是否得到保障,医疗问题,家庭关系,产后心理等各个方面。

今天我们抛开这些看,生育更直接的是一身体的考验

单看“三胎”这个词,意味着母亲从十月怀胎到产下宝宝重复经历三次。每一次的妊娠过程都面临着各种风险,如自然流产,早产,难产,妊娠期并发症等。

而影响妊娠健康(包括上述风险)的一个重要因素是孕产妇的肠道微生物组。

最新研究表明,胎次影响母亲及婴儿的肠道微生物组。

胎次:指某次分娩后某个孩子出生时在其母亲所有活产胎儿中所占的顺序数。

之前,关于怀孕和人体微生物组的研究很少涉及胎次问题,且关于胎次的人类研究存在很大挑战大型动物模型则提供了一种替代方法

来自美国宾夕法尼亚大学研究人员就妊娠期间猪微生物群变化及胎次对其影响进行研究,该成果发表在《Microbiome》上。

该研究确定了胎次是妊娠期间调节肠道微生物群的一个重要环境因素,并突出了猪模型在母婴健康中研究微生物群的重要作用。数据显示,胎次的影响不仅限于母亲,而且与后代早期肠道菌群改变有关。

研 究 结 果

通过同步妊娠和密集纵向监测猪微生物群,研究人员描述了妊娠期间的微生物群轨迹,并确定了胎次对该轨迹的调节程度

妊娠期间肠道微生物群的组成变化遵循几个可预测的趋势

A) 利用肠道菌群组成数据可以预测妊娠时间(P = 3.3e−13),并具有一定的准确性(R2=0.27)

B) 对成熟度指数准确性贡献最大的10个分类单元按重要性排序

C) 狄利克雷多项式混合物(DMM)样本分为8个簇,每个簇由独特的肠道微生物组成

D) 对DMM准确度贡献最大的10个分类单元按重要性排序

E) 每个样本的相对丰度

胎次影响妊娠期间肠道菌群轨迹

焦虑可能与食品添加剂有关,警惕食品添加剂引起微生物群变化

谷禾健康


有没有发现我们吃的食品正在变得越来越鲜艳,让人有食欲,“低脂”、“无糖”等字眼出现的频率越来越高,然而这其中必然会用到各类食品添加剂,如防腐剂,甜味剂,乳化剂,着色剂,香料等等。

可以看到孩子们喝的牛奶都是纯白无瑕的,事实上天然牛奶往往没有那么白;孩子们吃的五颜六色的糖果,糕点等也会结合一些人工色素,因此儿童比成人更容易接触到食用色素。

食品添加剂会诱发菌群失调,通过微生物群肠脑轴导致肠道疾病,代谢性疾病等各类问题的发生。这个过程是如何发生的?各类添加剂有什么不同的作用?为什么儿童学习、记忆受到影响?为什么与情绪也有关系?…

本文为大家解答相关疑惑。

首先,我们先来看看:食品添加剂都有哪些种类,它们起到什么样的作用,以及如何查看食品中是否存在添加剂。

01
食品添加剂的种类及功能

工业界使用合成色素使其产品更有吸引力,使用防腐剂有助于保持其功能,适当pH值等特性,因此在大多数情况下,食品添加剂是不可或缺的存在。常见的食品添加剂及其功能用途见下表。

IFIC & FDA

肠道菌群失衡的症状、原因和自然改善

谷禾健康

​肠道菌群是居住在肠道中各种微生物。微生物群的建立甚至在个体出生之前就开始了,随着时间的推移而改变,并在体内持续存在,直到个体死亡。这些微生物群的组成是宿主特定的,在个体的一生中不断进化,并且容易受到各种因素的影响。

胎龄、分娩方式、饮食(母乳与配方奶)、卫生、抗生素,激素、疾病、衰老等都会影响并塑造肠道菌群。肠道菌群的定植、发育、成熟、稳定,老化与我们人类发育以及免疫成熟等高度吻合,不同阶段不同部位的菌群的构成以及丰度有不同特征。

肠道细菌是免疫系统发育和功能的重要组成部分。肠道菌群的变化可能是许多炎症性疾病发生的重要因素。而生活方式的改变可能改变了肠道菌群的初始发育或稳定维持。

本文从肠道菌群的功能,初始构建,到菌群健康/失衡的状态,以及相应的改善措施等进行全面阐述。

01 肠道菌群功能

肠道菌群,居住在肠道(宿主)内的所有本土细菌的总和,被视为一个器官,执行着一系列重要的、对健康至关重要的功能,而这些功能无法通过任何其他方式复制

研究人员通过比较无菌实验动物(没有任何肠道菌群)和正常菌群对照动物来确定这些功能。这些发现也在人群中得到了证实

以下是肠道菌群最重要功能的简要概述:

◥ 粪便中的水分滞留

粪便主要是由水组成(平均水含量75%;各项研究的平均范围为63-86%)。单细胞生物,如细菌,主要含有水,被无法穿透的膜包围。

 形成正常粪便

由于细菌是正常粪便中最主要的成分,它们的缺失可能会导致持续性慢性腹泻。

◥ 生产必需维生素

细菌会合成各种物质,包括某些复合维生素 B、维生素 B12 和维生素 K,这些物质对血液正常凝固至关重要。

 保护肠道上皮(粘膜)免受病原体侵害

正常的肠道菌群控制着不良细菌的数量,例如白色念珠菌(酵母)或大肠杆菌的感染性菌株。保护机制有很多种,食物供应的竞争、对肠粘膜的粘附、维持所需的 pH 值平衡以及产生过氧化物和酶,从而杀死外来细菌。

◥ 组织发育和再生

与健康动物相比,无菌实验动物的肠粘膜(上皮)和淋巴组织(派尔氏斑)发育不良,肠道健康黏膜薄弱、免疫淋巴组织不发达等存在许多缺点。

 免疫

正常肠道细菌负责实现吞噬作用:吞噬细胞在全身范围内破坏致病细菌、病毒、过敏原和其他异物,吞噬细胞是负责非特异性(抗体前)免疫系统防御的专门血细胞。

02 肠道菌群构建及发育

生命的前三年是可塑性增强的时期,肠道微生物群的发育很容易受到环境因素的影响。在婴儿期人与人之间的肠道微生物组差异变化最大,在成年期变得更加相似。

★ 婴幼儿

当婴儿出生后,在几口初乳后,大肠得到“培养”,初乳是一种淡黄色的液体,包含母亲的细菌,富含必需的营养。初乳先于富含脂肪和蛋白质的母乳流出。这个过程在母乳中继续,新生儿的肠道菌群在第6个月开始逐渐成熟,直到“成人”状态。

肠道微生物群的发育及主要影响环境因素

Parkin K et al., Microorganisms,2021

便便之旅,了解和关注便便

谷禾健康

写在前面
排便行为虽然是人类普遍存在的经历,但我们一般很少提及这个生理过程,开启“便便”这个话题并不是容易的事。如果可以抛开偏见,厌恶或者羞耻感,或许你可以尝试去了解更多这方面相关知识。如果这些知识能够普及更多人,或许世界上可以少一些胃肠道疾病患者。

本文试着从排便解剖学、排便的频率、影响排便的因素、粪便类型等多角度来为你阐述“便便”相关知识。

01排便

排便是一个复杂而协调的过程,它整合了多个生理系统,包括神经、肌肉、激素、认知系统等。

结肠基本知识

在了解排便过程之前,我们先认识一些关于结肠结构的基本知识。

结肠和肛门直肠的神经肌肉解剖结构

Heitmann PT, et al., Nat Rev Gastroenterol Hepatol. 2021

a| 结肠和肛门直肠与排便生理有关的外源性感觉运动神经支配。

b| 肛门直肠的冠状图,显示了克制中结构重要性的特征。

结肠是一个粘弹性管状器官,从近端回盲肠交界处开始,远端直肠乙状结肠交界处结束。成人结肠长约130厘米,盲肠的管腔直径为60-80毫米,乙状结肠的管腔逐渐狭窄至25毫米

结肠接受来自肠神经系统的内在神经支配,来自腰神经的外在交感神经支配,以及来自迷走神经(近端结肠)和盆腔内脏神经的外在副交感神经支配,这些神经支配结肠的感觉运动功能。

便便的产生

我们吃进去的食物在体内经历了什么?是如何变成粪便排出的?

进食的时候,食物与唾液相混合,唾液浸湿食物,同时也含有消化淀粉和脂肪的酶。

随后食道将食物推向胃。胃酸、胃液、酶进一步分解,完成后食物就到了小肠

在胰腺、胆囊、微生物群的帮助下,脂肪、蛋白质、微量营养素等进一步被分解,通过小肠吸收后到肝脏,剩下的部分则转到大肠

大肠吸收水分、电解质后产生的粪便进入直肠。直肠积累多了就会向大脑发出信号,大脑考虑现在是否是适合排便的时间。

思考的结果如果是适合的,那么大脑就会向肛门括约肌发出信号,让它放松…

排便过程

关于排便过程,这里主要涉及四个阶段:基础阶段、排出前阶段、排出阶段、结束阶段。下图详细说明了在每个阶段中为保持自制或促进排便所发生的具体变化。

Heitmann PT, et al., Nat Rev Gastroenterol Hepatol. 2021

通知

谷禾健康

10.29-11.1谷禾管理后台数据库升级,涉及到数据迁移和测试,期间可能会在后台显示信息缺失,数据并无问题仅因数据库迁移可能导致显示不正常,预计11.2日会完成升级工作。

特此通知

杭州谷禾信息技术有限公司

微生物群在婴儿健康中的作用:从早期到成年

谷禾健康

生命早期到成年微生物群对婴儿的健康起着至关重要的作用。生命早期的微生物群不仅是婴儿健康的键调节剂,而且与长期健康有关怀孕到生命早期是婴儿微生物群建立的黄金时期,受环境和遗传因素的影响。

最近,关于微生物群在人类疾病中作用的 研究呈爆炸式增长,但在疾病或健康方面的应用相对有限,因为人类微生物群的许多方面仍然存在争议,尤其是婴儿微生物群

在怀孕期间,母体微生物群会影响胎儿的发育,尤其是大脑发育,如子宫微生物群、阴道微生物群、胃肠道微生物群、胎盘微生物群(有争议的)和口腔微生物群。值得注意的是,母体微生物群的紊乱会导致不良妊娠结局,严重威胁后代的健康。出生后,受环境和遗传因素影响的婴儿微生物群迅速建立,以确保健康成长

01 孕期母体微生物群和后代

孕期母体微生物群

以前,胎儿宫内感染的罪魁祸首被认为是来自阴道的微生物,如细菌、病毒和真菌。然而,随着科学技术的发展,人们发现口腔和肠道微生物群也与胎儿的健康有关,因为这些部位的微生物群可以通过血液传播

在怀孕期间,母亲的肠道、口腔和阴道微生物群都会发生变化。这些变化相关的各种因素,包括饮食,抗生素的使用,感染,应激和宿主基因(下图)。

影响母婴微生物群的因素以及微生物群调节的机会窗口

Yao Y, et al. Front Immunol. 2021

研究已经揭示健康孕妇阴道微生物群的稳定性高于健康非孕妇,乳酸菌是健康孕妇阴道微生物群的主要成分。传统上,子宫被认为是无菌的,但这个概念直到最近几年才被打破。子宫内膜有自己的微生物群,尽管这些微生物群的生物量比较低。遗憾的是,目前对子宫内膜微生物群的了解有限,其在胎儿发育和妊娠结局中的作用仍有待充分阐明。

新出现的证据表明,孕妇肠道菌群的丰富度和均一性与正常女性没有显着差异,但分布和组成发生了明显变化。此外,患有妊娠并发症的孕妇肠道微生物群的多样性降低,这对母亲和胎儿的健康都是不利的。例如,妊娠期慢性高血压大鼠的肠道微生物重塑受损。先兆子痫孕妇肠道微生物群中产生短链脂肪酸的粪球菌的丰度降低

消化酶的类型、功能以及食物来源

谷禾健康

消化酶分解脂肪、蛋白质和碳水化合物,便于身体吸收营养。大部分消化酶由胰腺产生,其次是小肠、胃和口腔。

本文主要介绍不同酶的工作原理、酶水平背后的遗传因素和消化系统疾病以及自然促进消化的方法。

01 什么是消化酶?

消化酶是一组广泛的酶,可将脂肪、蛋白质和碳水化合物等大营养素分解成更容易被身体吸收的较小营养素。人体在胰腺中自然产生大部分酶,而胃、小肠和口腔中产生少量酶。

以下酶可以帮助人体从特定的食物中吸收营养:

▪ 蛋白酶把蛋白质分解成氨基酸

▪ 脂肪酶把脂肪分解成脂肪酸

▪ 淀粉酶将碳水化合物分解成单糖,如葡萄糖

它们的主要作用是帮助消化,这些酶在你体内的数量和活性取决于一系列复杂的因素。初步研究表明,消化酶可能有助于缓解各种消化疾病、减轻炎症、肠道感染等。

02 为什么消化酶水平低?

消化酶水平低表明胰腺不能正常工作难以产生重要的消化化合物。

在严重的时候,这种情况被称为外分泌胰腺功能不全(EPI)。这时,胰腺中产生消化酶的细胞会随着时间的推移而被破坏

当然,EPI不是唯一的原因,各种因素都会导致消化酶水平降低:

03 消化酶——各有千秋

消化酶主要分三大类:脂肪酶、淀粉酶、蛋白酶

脂肪酶

脂肪酶是分解脂肪的酶,帮助维持胆囊功能正常。它们在胰腺中产生,但也可以从植物、动物和真菌中提取,并且足够稳定。

各种类型的脂肪酶参与不同的过程,例如脂肪代谢、运输、细胞信号传导、炎症等。

✓ 用于肠易激综合征(IBS)患者

含有脂肪酶和其他胰酶的补充剂可以帮助减少餐后的腹胀、胀气和饱腹感,尤其是脂肪含量高的食物。这些症状通常与消化问题有关,如肠易激综合征(IBS)。研究还表明,一些肠易激综合征患者可能存在胰腺外分泌功能不全,即由于胰腺产生的消化酶缺乏而无法正确消化食物。

客服