谷禾健康
慢性疼痛已成为困扰全球五分之一成年人的重大公共卫生挑战,表现为一种复杂的、多维度失调的病理状态,深刻影响患者的生理、心理乃至社交。
这一持续3个月或更长时间的疼痛现象,呈现出锐痛、刺痛、灼烧感、酸痛等多样化特征,可能局限于特定部位或广泛分布全身,因其易于复发的特性,给个人、家庭及整个社会带来了沉重的经济与医疗负担。
尽管现代医学在疼痛管理方面已取得一定进展,但现有的治疗策略——如阿片类药物、非甾体抗炎药(NSAIDs)、抗惊厥药及抗抑郁药等,往往伴随着疗效有限、副作用显著(如成瘾、胃肠道损伤、中枢神经系统抑制等)以及个体差异巨大等问题。
更重要的是,这些疗法多以对症处理为主,难以触及慢性疼痛复杂病理生理机制的核心——包括外周敏化、中枢敏化、神经炎症、神经-免疫失衡等关键病理过程,导致许多患者的临床需求远未得到满足。因此,探索慢性疼痛发生发展的深层机制,并据此开发更为精准、高效且安全的创新性治疗策略,已成为疼痛研究领域亟待突破的关键瓶颈。
近年来飞速发展的肠道菌群研究为我们理解和干预慢性疼痛提供了一个新视角。肠道菌群通过”微生物群-肠-脑轴”这一复杂的双向通讯网络,影响着中枢神经系统的功能,包括情绪、认知乃至疼痛感知。越来越多的证据表明,肠道菌群失调与多种慢性疾病的发生发展密切相关,特别是在神经病理性疼痛、炎症性疼痛、内脏痛等多种慢性疼痛模型中,菌群结构与功能的特征性改变及其与疼痛表型的密切联系正以前所未有的速度向纵深拓展。
本文旨在系统阐述慢性疼痛的核心病理特征,并概述肠道菌群失调对宿主生理的广泛影响;深入剖析微生物群-肠-脑轴在疼痛感知与调节中的多通路作用,包括神经、免疫、内分泌及关键代谢产物(如短链脂肪酸、次级胆汁酸、色氨酸代谢物)的介导机制;同时整合最新的临床前与临床研究证据,展示在不同慢性疼痛模型中肠道菌群的特征性改变;评估了当前基于肠道菌群调控的慢性疼痛干预策略,为慢性疼痛的基础研究与临床转化提供参考。
慢性疼痛持续3个月或更长时间,可能持续性的,也可能时好时坏地反复发作。它可能影响人们到无法工作、正常进食、参与体育活动或享受生活的程度。
慢性疼痛有哪些症状?
慢性疼痛有:锐痛、刺痛、灼烧感、搏动性疼痛、酸痛、僵硬感等。
慢性疼痛可能局限于特定部位(背部、颈部、关节)或广泛分布全身。
患有慢性疼痛的人常常也会感到疲倦,睡眠问题,食欲不振和/或对食物失去兴趣,以及体重减轻。
经典闭环:疼痛、抑郁、失眠
疼痛可能会让人专注于疼痛,出现抑郁和易怒,抑郁和易怒通常会导致失眠和疲劳,进而导致更多的易怒、抑郁和疼痛。
慢性疼痛的原因?
一些已知的慢性疼痛原因包括:
这包括关节、肌肉和骨骼的广泛疼痛,通常表现为隐痛或酸痛。
关节炎引起的疼痛也发生在关节中,通常表现为隐痛。这是关节炎对关节造成的损伤所导致的。
腹痛和痉挛可能由于 IBS 发生,这是由于肠道和大脑之间的联系。肠易激综合征引起的慢性疼痛通常包括腹部痉挛和剧烈疼痛,甚至背痛。
持续的下体疼痛可能来自多种原因,包括先前的损伤或特定状况,如坐骨神经痛或椎间盘突出。
虽然头痛和偏头痛不同,但你可能会因为其中任何一种而出现慢性疼痛。如果头痛或偏头痛每月出现 15 天或更多天,则被视为慢性。
这种状况会影响盆腔和腹部区域,并在月经周期期间、之前或之后引起慢性盆腔疼痛。它还可能导致消化问题和一般的胃痛。
患有慢性疲劳综合征的人可能会经历身体疼痛、头痛和喉咙痛,伴随极度疲劳、疲劳和睡眠障碍等症状。
还有很多其他例如癌症等疾病,总的来说,包括神经性的(神经损伤或刺激)、伤害性的(组织损伤、受伤、手术等)、肌肉骨骼性的(韧带、肌腱、肌肉、关节、骨骼等)、炎症性的(免疫系统对感染或受伤的反应)、心因性的(心理状况引起的疼痛)、机械性的(受到物理压力)等。
为什么传统的对症治疗往往收效甚微,甚至可能带来新的问题?要回答这些问题,我们需要深入探讨慢性疼痛的病理生理学基础。
慢性疼痛的本质远非简单的伤害性感受信号的持续传递,而是一个涉及外周及中枢神经系统发生复杂可塑性改变的病理过程。
慢性疼痛的核心特征在于,神经系统对伤害性及非伤害性刺激的反应模式发生了持久性的、异常的增强和放大,使得疼痛感知与初始损伤或刺激的程度和范围不再匹配,甚至在原始致伤因素消失后依然存在。
理解这些核心机制,是后续探讨肠道菌群如何影响疼痛的关键。
外周敏化与中枢敏化:疼痛信号的恶性循环
☆ 外周敏化
外周敏化(Peripheral Sensitization)是指在外周组织损伤或炎症部位,伤害性感受器(痛觉感受器)的兴奋性异常增高的现象。
组织损伤后释放的多种炎症介质,如缓激肽、前列腺素(PGE₂)、TNF-α、IL-1β、神经生长因子(NGF)等,可以直接或间接地作用于感觉神经末梢上的特异性受体和离子通道(如瞬时受体电位香草酸受体1亚型 TRPV1、酸敏感离子通道 ASIC等)。
这些介质通过激活下游信号通路(如PKA、PKC、MAPK等),导致离子通道磷酸化、表达上调或膜转运增加,从而降低伤害性感受器的激活阈值,并增强其对刺激的反应强度。
其结果是,即使是轻微的刺激也会引发强烈的疼痛感(痛觉过敏,hyperalgesia),甚至非伤害性刺激(如轻触)也能诱发疼痛(异常疼痛,allodynia)。
☆ 中枢敏化——慢性疼痛持续化和扩散的关键机制
中枢敏化(Central Sensitization)指脊髓背角和更高级中枢(如丘脑、杏仁核、前扣带皮层等)神经元对伤害性信号的反应性增强和持久性增高。其形成涉及复杂的神经元可塑性改变:
长期或强烈的伤害性输入,导致初级传入神经元末梢释放过量的兴奋性神经递质,如谷氨酸和P物质。谷氨酸激活突触后膜上的AMPA受体和NMDA受体(N-甲基-D-天冬氨酸受体)。特别是NMDA受体的激活,允许Ca²⁺内流,触发一系列下游信号级联反应,导致突触后神经元兴奋性增强,出现wind-up效应和长时程增强(LTP)。
中枢敏化过程中,脊髓背角的抑制性神经元(如释放GABA或甘氨酸的神经元)功能减弱或凋亡,导致对兴奋性信号的抑制不足,进一步加剧了疼痛信号的放大。
来自脑干(如中缝大核、蓝斑核)的下行抑制通路,通过释放5-羟色胺(5-HT)和去甲肾上腺素(NE)等神经递质,对脊髓水平的疼痛传递发挥重要的抑制作用。在慢性疼痛状态下,这些下行抑制通路的功能往往受损,导致疼痛信号的“闸门”失控。
长期的中枢敏化可导致神经元内基因表达发生持久性改变,合成更多促进疼痛的受体、离子通道和神经递质,从而巩固和维持疼痛状态。
神经炎症:疼痛的“催化剂”与“放大器”
神经炎症是指在中枢神经系统(CNS)内发生的炎症反应,以神经胶质细胞(主要是小胶质细胞和星形胶质细胞)的激活为核心特征。在慢性疼痛状态下,神经炎症不仅参与疼痛的启动,更在疼痛的维持和慢性化中扮演关键角色。
作为中枢神经系统中的主要免疫细胞,小胶质细胞(Microglia)在接收到外周损伤信号或神经元异常活动信号后被迅速激活。激活的小胶质细胞形态改变,并大量释放促炎细胞因子(如TNF-α, IL-1β, IL-6)、趋化因子(如CCL2, CXCL1)以及活性氧(ROS)等。这些物质直接增强神经元的兴奋性,促进中枢敏化的形成。
星形胶质细胞(Astrocytes)的激活通常稍晚于小胶质细胞,但在疼痛的慢性化维持中作用更为持久。激活的星形胶质细胞同样释放多种促炎介质,并且可以通过减少对谷氨酸等兴奋性神经递质的清除、下调GABA能抑制以及形成胶质瘢痕等方式,进一步加剧神经元兴奋性的异常和疼痛的持续。
神经免疫交互作用:复杂的对话网络
慢性疼痛的持续化并非单纯的神经系统事件,而是神经系统与免疫系统之间复杂交互作用的结果。
外周免疫细胞(如巨噬细胞、T淋巴细胞)可以释放细胞因子和趋化因子,这些因子不仅作用于外周神经元,还可以通过血脑屏障(在某些病理状态下其通透性会增加)或迷走神经等途径影响中枢神经胶质细胞和神经元的活性。
神经系统也可以通过释放神经递质和神经肽来调节免疫细胞的功能。这种双向的神经免疫对话失衡,是导致炎症反应迁延不愈、疼痛信号持续放大的重要原因。例如,某些T细胞亚群(如Th1, Th17)及其分泌的细胞因子被认为促进疼痛,而调节性T细胞(Treg)则可能发挥疼痛缓解作用。
关键分子与信号通路:疼痛机制的核心节点
上述病理生理过程的实现,依赖于一系列关键分子和信号通路的参与。简要了解这些节点,有助于后续理解肠道菌群如何通过影响这些靶点来调控疼痛:
– TRP通道家族(TRPV1, TRPA1, TRPM8等)参与温度、化学和机械刺激的感受;
– 电压门控钠离子通道(Nav1.7, Nav1.8, Nav1.9等)负责动作电位的产生和传导;
– P2X受体(特别是P2X3, P2X4, P2X7)是ATP的受体,参与神经元和胶质细胞的激活。
NMDA受体是中枢敏化的核心;AMPA受体介导快速兴奋性突触传递;GABA受体和甘氨酸受体介导抑制性传递。
TNF-α、IL-1β、IL-6等促炎细胞因子及其相应的受体在神经炎症和神经元敏化中起关键作用。
如MAPK通路(ERK, JNK, p38)、NF-κB通路、PI3K-Akt通路等,这些通路被上游受体激活后,调控基因表达,影响神经元功能和炎症反应。
慢性疼痛的病理生理机制是一个多层面、多环节、动态演变的复杂过程,涉及外周与中枢神经系统的敏化、神经炎症的驱动以及神经-免疫的失衡互动。正是这些核心机制的异常,构成了慢性疼痛难以治愈的根源。
肠道菌群在健康与疾病中的作用日益受到重视,其与中枢神经系统功能及相关疾病的复杂联系,包括慢性疼痛,正通过“微生物群-脑-肠轴”(Microbiota-Gut-Brain Axis, MGBA)这一概念得到系统性的阐释。
微生物群-脑-肠轴是一个复杂的、双向的通讯网络,整合了神经、免疫、内分泌、代谢等多个信号通路,允许肠道微生物与大脑之间进行持续的对话。肠道菌群的稳态或失调,能够深刻影响这一轴的功能,从而在慢性疼痛的发生、发展和维持中扮演关键角色。
微生物群-脑-肠轴:疼痛调控的关键枢纽
脑-肠-菌轴构成了肠道微生物影响宿主疼痛感知和调控的主要生理基础。其主要通讯途径包括:
▼
神经通路:迷走神经的桥梁作用
迷走神经(Vagus Nerve),作为第十对脑神经,是连接脑干与胸腹腔脏器之间最长、分布最广的神经通路,构成了微生物群-脑-肠轴中最为直接和关键的神经通讯链路。其在拉丁语中意为“流浪者”,形象地描述了它在体内广泛的行程。
迷走神经具有双向传导功能,但其传入纤维(afferent fibers)占据了绝大多数(约80-90%),这意味着它主要负责将来自内脏(包括胃肠道)的各种生理和病理信号传递给中枢神经系统。
这些信号包括机械牵张(如肠道扩张)、化学刺激(如营养物质、pH变化、毒素),以及至关重要的来自肠道菌群及其代谢产物的信号。
1、迷走神经传入信号的感知与传递
肠道菌群并不直接与大脑进行物理接触,但它们产生的海量代谢物以及对肠道内环境的塑造,能够被迷走神经末梢灵敏地感知。这一感知过程可以是直接的,也更多是通过间接途径实现:
——间接激活:肠道内分泌细胞的关键中介作用
肠道内分泌细胞(Enteroendocrine Cells, EECs)是散在于肠道上皮细胞间的特化感觉细胞,它们能够直接感受肠腔内的化学环境变化,包括菌群代谢产物的刺激。当菌群代谢产物,特别是短链脂肪酸(SCFAs),如乙酸、丙酸和丁酸,作用于EECs表面的特异性G蛋白偶联受体(如GPR41/FFAR3, GPR43/FFAR2)时,会触发EECs释放多种神经活性物质。
——直接激活(可能性较低但存在)
这些由菌群活动引发的、经由迷走神经传入的信号,首先汇聚于脑干的孤束核(Nucleus of the Solitary Tract, NTS)。NTS是内脏感觉信息传入中枢的第一个整合处理站。从NTS开始,这些信号进一步投射到更高级的脑区,包括:
通过这一系列复杂的神经投射,肠道菌群的状态能够深刻影响宿主对疼痛的感知强度、情感反应以及认知评价。
2、 迷走神经在菌群介导的镇痛及行为调节中的关键作用——来自迷走神经切断术的证据
迷走神经的完整性对于许多肠道菌群介导的生理效应至关重要,尤其是在情绪和疼痛调节方面。迷走神经切断术(Vagotomy),特别是保留肝支和胃支的膈下迷走神经切断术(Surgical Subdiaphragmatic Vagotomy, SDG),已成为研究迷走神经在菌群-脑轴中作用的关键实验手段。
益生菌的镇痛与抗焦虑/抑郁效应依赖于迷走神经
研究表明,迷走神经的完整性对于某些菌群介导的镇痛效应至关重要;迷走神经切断术可以阻断特定益生菌的抗焦虑和抗抑郁作用,并可能影响其对内脏痛的调节。
例如,经典研究表明,益生菌鼠李糖乳杆菌(Lactobacillus rhamnosus JB-1)能够通过迷走神经依赖的机制减轻小鼠的焦虑和抑郁样行为,并改变中枢GABA受体的表达。当迷走神经被切断后,这些有益效应便消失了。
类似地,一些益生菌在动物模型中能够缓解内脏疼痛。但是,当研究者切断迷走神经后,这种镇痛效果会消失或明显减弱。这有力证明了迷走神经的重要作用,它是有益菌株信号传递到大脑的必要通路,也是产生镇痛效应的关键环节。
3. 迷走神经传出信号对肠道和菌群的反向调控
微生物群-肠-脑轴的通讯是双向的。大脑不仅接收来自肠道和菌群的信号,也通过迷走神经的传出纤维(efferent fibers)主动调节肠道功能,进而间接影响肠道菌群的生态位和组成。
– 调节肠道蠕动和分泌
迷走神经传出信号是胃肠道运动(如胃排空、小肠蠕动)和消化液分泌(如胃酸、胰酶)的主要神经调节器。这些生理活动直接影响食糜在肠道内的停留时间、营养物质的消化吸收效率以及肠道内的物理化学环境(如pH值),从而为不同类型的微生物创造或改变其生存和繁殖的生态位。
– 维持肠道屏障完整性
迷走神经的传出信号,特别是通过胆碱能抗炎通路(Cholinergic Anti-inflammatory Pathway, CAP),在维持肠道屏障功能和控制局部炎症中发挥重要作用。该通路涉及迷走神经释放乙酰胆碱(ACh),ACh作用于肠道黏膜免疫细胞(如巨噬细胞)表面的α7烟碱型乙酰胆碱受体(α7nAChR),从而抑制促炎细胞因子的产生,减轻炎症反应,保护肠道屏障。一个健康的肠道屏障对于限制有害菌及其产物(如LPS)的易位至关重要。
– 影响黏液层
迷走神经可能参与调节肠道黏液层厚度和成分,黏液层是肠道上皮的第一道物理和化学屏障,也是特定菌群(如Akkermansia muciniphila)的栖息地和营养来源。
通过这些传出途径,中枢神经系统的状态(如应激、情绪)可以通过迷走神经影响肠道生理和菌群稳态,形成一个完整的反馈回路。
▼
免疫通路:菌群塑造的全身性免疫网络与疼痛
肠道不仅是消化吸收的主要场所,更是人体最大、最复杂的免疫器官,其广阔的黏膜表面(约200-300平方米)直接暴露于数以万亿计的共生微生物及其代谢产物之中。
这种持续的、动态的相互作用,使得肠道菌群在宿主免疫系统的发育、成熟、校准和功能调节中扮演着无可替代的核心角色。它们如同免疫系统的“陪练员”和“调校师”,通过与肠道相关淋巴组织——包括派尔集合淋巴结(Peyer’s patches)、肠系膜淋巴结(mesenteric lymph nodes)以及弥散在肠黏膜固有层和上皮内的免疫细胞的持续对话,塑造着宿主的先天性和适应性免疫反应,其影响深远,不仅限于肠道局部,更能波及全身,包括对疼痛感知和慢性化的调控。
1、菌群介导的免疫细胞分化与平衡:塑造敌我识别与炎症刹车
肠道菌群通过其组成成分和代谢产物,能够精准地诱导和调控不同免疫细胞亚群的分化与功能平衡,这对维持免疫稳态、防止过度炎症反应以及有效清除病原体至关重要。当这种平衡被打破时,往往与慢性炎症和疼痛的发生发展相关。
分节丝状菌(Segmented Filamentous Bacteria, SFB)是一种特殊的、能紧密附着于小肠上皮细胞的共生菌。分节丝状菌能有效诱导辅助性T细胞17(Th17)的分化。
Th17细胞以其分泌的标志性细胞因子IL-17以及IL-21、IL-22等而闻名。
IL-17家族(特别是IL-17A和IL-17F)是强效的促炎细胞因子,能够招募中性粒细胞,诱导其他促炎细胞因子(如TNF-α, IL-1β, IL-6)和趋化因子的产生,参与组织炎症和自身免疫性疾病的病理过程。因此,在多种自身免疫性疾病(如类风湿关节炎、多发性硬化)和炎症性疼痛模型中,Th17细胞及其相关通路被认为是驱动炎症和疼痛的关键因素。
SFB的定植虽然在抵抗某些病原体感染中具有保护作用,但其过度激活或在特定遗传背景下,可能导致Th17反应失控,加剧炎症和疼痛。
与Th17细胞的促炎作用相对的是调节性T细胞(Treg),它们是维持免疫耐受和抑制过度免疫反应的关键刹车细胞,主要通过分泌IL-10和TGF-β等抑制性细胞因子,以及细胞接触依赖性机制来发挥作用。
某些梭菌属细菌(如 Clostridium clusters IV和 XIVa,这些是主要的产丁酸菌群)和脆弱拟杆菌(Bacteroides fragilis)及其荚膜多糖A(Polysaccharide A, PSA)则能有效诱导Treg细胞的产生和IL-10的分泌。
这种由特定菌群驱动的Th17/Treg平衡,对于决定机体对炎症刺激的反应强度和持续时间至关重要。菌群失调若导致Th17细胞过度活化而Treg细胞功能不足,则易于引发或加剧慢性炎症性疼痛。
2. 细胞因子网络的调控:菌群失调与慢性低度炎症的“导火索”
肠道菌群稳态的维持对于局部和全身细胞因子网络的平衡至关重要。菌群失调,有益菌减少、潜在致病菌增多、菌群多样性下降,往往伴随着免疫失衡和慢性低度炎症状态的形成。
– 促炎细胞因子的过度产生
菌群失调常常导致TNF-α、IL-1β、IL-6等关键促炎细胞因子的过量产生。这些细胞因子不仅在肠道局部加剧炎症反应、破坏肠道屏障,更关键的是,它们可以释放入血液循环,形成一种全身性的慢性低度炎症背景。这种状态是多种慢性疾病(包括心血管疾病、糖尿病、神经退行性疾病以及慢性疼痛)的共同病理生理基础。
– 抗炎细胞因子的相对不足
菌群失调也可能导致IL-10和TGF-β等关键抗炎细胞因子的产生减少,使得炎症反应难以被有效控制和终止。
– 对疼痛的直接和间接影响
这些循环中的促炎细胞因子能够直接作用于外周伤害性感受器,降低其激活阈值,导致外周敏化。例如,TNF-α和IL-1β能直接激活或敏化TRPV1等痛觉相关离子通道。
同时,它们也能穿过在某些病理状态下通透性增加的血脑屏障(BBB)和血脊髓屏障(BSCB),或通过激活脑血管内皮细胞产生次级信使,作用于中枢神经系统,激活小胶质细胞和星形胶质细胞,诱导神经炎症,促进中枢敏化。
因此,菌群失调介导的细胞因子网络紊乱,是连接肠道与远端疼痛感知的关键免疫学桥梁。
3、微生物相关分子模式与模式识别受体:免疫系统的警报系统
肠道菌群的结构成分,如细菌细胞壁的组分,被称为微生物相关分子模式(MAMPs)。
宿主的先天免疫细胞(如巨噬细胞、树突状细胞)以及一些非免疫细胞(包括肠上皮细胞、神经元和胶质细胞)表面表达着一系列模式识别受体(PRRs),用于识别这些MAMPs并发起适当的免疫应答。
– 关键MAMPs及其识别
– PRR激活与炎症信号通路
当MAMPs与相应的PRRs结合后,会迅速激活下游的信号转导通路,其中最经典的是NF-κB(核因子κB)通路和MAPK(丝裂原活化蛋白激酶)通路。这些通路的激活导致多种促炎基因的转录上调,大量释放炎症介质,包括前述的促炎细胞因子(TNF-α、IL-1β、IL-6)、趋化因子(吸引更多免疫细胞至炎症部位)、黏附分子以及一氧化氮(NO)和前列腺素等。
– 肠道屏障受损与MAMPs易位(肠漏)
在健康的肠道中,完整的肠道屏障(包括物理屏障、化学屏障、免疫屏障)能够有效地将大部分肠道菌群及其MAMPs限制在肠腔内,仅允许少量、受控的MAMPs与免疫系统相互作用以维持免疫张力。
然而,当肠道菌群失调、饮食因素、应激、药物(如NSAIDs)等因素导致肠道屏障功能受损,即出现“肠漏”时,大量的MAMPs(特别是LPS)会从肠腔跨过受损的屏障易位进入血液循环,导致所谓的“代谢性内毒素血症”。
循环中的LPS能够激活全身各处的TLR4,引发持续的、低度的全身性炎症反应,这与胰岛素抵抗、肥胖、非酒精性脂肪肝以及多种慢性疼痛状态(特别是神经病理性疼痛和纤维肌痛)的发生发展密切相关。LPS也可以直接作用于背根神经节(DRG)的感觉神经元和中枢的胶质细胞,增强其对伤害性刺激的反应,促进疼痛的产生和维持。
综上所述,肠道菌群通过塑造免疫细胞的分化平衡(如Th17/Treg平衡)、调控全身细胞因子网络以及通过MAMPs-PRRs相互作用激活先天免疫,构成了影响宿主疼痛感知和慢性化的关键免疫通路。菌群失调导致的免疫失衡和慢性炎症状态,是连接肠道微生态与疼痛病理生理过程的重要桥梁。因此,靶向调节肠道菌群以恢复免疫稳态,已成为开发新型疼痛干预策略的重要方向。
doi: 10.1186/s10194-020-01170-x
▼
内分泌通路:HPA轴的菌群调节与应激疼痛
下丘脑-垂体-肾上腺(HPA)轴是机体最主要的应激反应系统。慢性应激是慢性疼痛发生和恶化的重要风险因素。肠道菌群能够双向调节HPA轴的活性。
无菌动物模型研究显示,缺乏正常菌群的动物对应激表现出异常的HPA轴反应(通常是过度反应),表现为促肾上腺皮质激素释放激素(CRH)和皮质酮水平的升高。早期定植特定菌群可以部分逆转这种异常。
– 菌群代谢产物的影响
SCFAs等菌群代谢产物可以通过影响迷走神经或直接作用于肾上腺等方式,调节HPA轴。
– 肠道屏障与LPS
菌群失调导致的肠漏和LPS易位,可以激活免疫系统,间接刺激HPA轴。
HPA轴的失调,特别是皮质醇节律的紊乱和长期高水平,不仅与抑郁、焦虑等情绪障碍相关,也直接促进疼痛的慢性化。例如,糖皮质激素可以影响神经元的兴奋性和胶质细胞的活性。因此,菌群通过调节HPA轴的稳态,间接影响宿主对疼痛的易感性和疼痛程度。
▼
代谢通路:菌群工厂的杰作与疼痛调控
肠道菌群拥有庞大的酶系统,能够代谢宿主不能消化的膳食成分(如膳食纤维)以及宿主自身产生的物质(如胆汁酸),产生大量具有生物活性的小分子代谢物,这些代谢物是菌群影响宿主生理(包括疼痛)的关键介质。
– 短链脂肪酸(SCFAs)
主要包括乙酸、丙酸、丁酸,是膳食纤维经厌氧菌发酵的主要产物。SCFAs不仅是结肠上皮细胞的主要能源物质,维持肠道屏障的完整性(例如丁酸能促进紧密连接蛋白如occludin和ZO-1的表达),还具有广泛的全身性调节作用:
– 次级胆汁酸
初级胆汁酸(如胆酸CA,鹅去氧胆酸CDCA)在肝脏合成后排入肠道,在肠道菌群(主要是梭菌属)的酶(如7α-脱羟酶)作用下转化为次级胆汁酸,如脱氧胆酸(DCA)和石胆酸(LCA)。这些次级胆汁酸是重要的信号分子,主要通过激活法尼醇X受体(FXR)和G蛋白偶联胆汁酸受体1(TGR5,又称GPBAR1)发挥作用。
– 色氨酸代谢产物
膳食中的必需氨基酸色氨酸在宿主和肠道菌群的共同作用下,可以通过多条途径代谢,产生一系列具有神经活性的分子。
– 脂多糖等微生物相关分子模式(MAMPs)
如前所述,LPS是革兰氏阴性菌外膜的主要成分。在肠道屏障功能受损(“肠漏”)的情况下,LPS会从肠腔易位进入血液循环,形成“代谢性内毒素血症”。
特定慢性疼痛模型中肠道菌群改变的证据
大量临床前和部分临床研究已经揭示了肠道菌群失调与多种慢性疼痛状态之间的密切关联。
神经病理性疼痛
神经病理性疼痛由躯体感觉神经系统的损伤或疾病直接引起。
化疗是治疗癌症的重要手段,但许多化疗药物,如紫杉醇、奥沙利铂、长春新碱、硼替佐米等,常导致严重的剂量限制性副作用——CIPN。
患者表现为肢体远端的麻木、刺痛、烧灼感和痛觉过敏/异常疼痛,严重影响生活质量并可能导致化疗方案的调整甚至中断。
多种化疗药物(如紫杉醇、奥沙利铂)可引起严重的CIPN,其患者和动物模型中均观察到肠道菌群的显著改变,如多样性下降,厚壁菌门/拟杆菌门(F/B)比值改变,特定菌属如Akkermansia muciniphila(常被认为是益生菌)和产丁酸菌(如Faecalibacterium prausnitzii)的丰度下降,而一些潜在致病菌(如某些变形菌门细菌)丰度增加。补充A. muciniphila或其活性成分被证明可以缓解CIPN。
这些经典的神经病理性疼痛动物模型中,也观察到肠道菌群失调,伴随肠道屏障功能受损、LPS水平升高和神经炎症,粪便移植自CCI大鼠可诱导幼稚大鼠产生痛觉过敏。FMT或特定益生菌干预能够改善疼痛行为,并逆转部分菌群和炎症指标。
糖尿病患者常伴有肠道菌群失调,这被认为是糖尿病神经病变发生的风险因素之一。糖尿病患者的菌群失调通常表现为产丁酸菌(如Faecalibacterium prausnitzii, Roseburia)的减少,某些机会致病菌(如肠杆菌科细菌)的增加,以及整体多样性的下降。菌群失调可能通过加剧代谢紊乱、促进全身性炎症和氧化应激来促进糖尿病神经病变的发生。
炎症性疼痛
内脏痛
肠易激综合征(IBS),是最常见的内脏痛相关功能性胃肠病,其患者肠道菌群失调的证据最为充分。表现为菌群多样性降低,F/B比值改变,特定菌属如乳杆菌属和双歧杆菌属的减少,而某些潜在致病菌(如肠杆菌科细菌)的增加。
菌群失调通过多种机制导致IBS的核心症状——腹痛和内脏高敏感性,包括:肠道屏障功能受损、低度免疫激活、5-HT信号通路异常、SCFAs谱改变等。针对IBS的菌群干预(如低FODMAP饮食、特定益生菌、FMT)已成为研究和治疗的热点。
中枢性疼痛综合征
这类疼痛综合征(如纤维肌痛、偏头痛)的病理机制被认为主要涉及中枢神经系统的功能失调,但外周因素也可能参与其中。
宿主遗传背景、性别差异与肠道菌群在疼痛中的交互作用
– 宿主遗传背景
宿主基因可以直接影响肠道菌群的组成(例如通过影响免疫系统、肠道黏液层构成等),反过来,肠道菌群也可以通过表观遗传修饰(如DNA甲基化、组蛋白修饰,SCFAs是重要的HDAC抑制剂)等方式影响宿主的基因表达。这种基因-菌群的交互作用共同塑造了个体对疼痛的易感性和慢性化风险。
– 性别差异
慢性疼痛在女性中更为普遍,其严重程度和对治疗的反应也存在性别差异。肠道菌群的组成和功能同样存在显著的性别差异,这可能受到性激素的影响。
研究表明,性别、性激素、肠道菌群和免疫反应之间存在复杂的交互作用,共同影响疼痛的性别二态性。例如,雌激素水平的变化可以影响肠道菌群和肠道屏障功能,进而可能影响疼痛敏感性。
鉴于肠道菌群在慢性疼痛病理生理机制中的核心作用日益明确,针对肠道菌群的调控策略已成为开发新型疼痛干预措施的重要方向。这些策略旨在通过恢复肠道微生态平衡、调节菌群代谢、改善肠道屏障功能及抑制神经炎症等途径,达到缓解疼痛的目的。
饮食干预与益生元
饮食是塑造肠道菌群组成和功能最直接、最持久的因素之一。通过合理的膳食结构调整和特定益生元的补充,可以有效地引导肠道菌群向有益于宿主健康(包括疼痛缓解)的方向发展。
机制
代表性饮食模式
特定益生元
益生元是选择性地被宿主微生物利用并从而赋予健康益处的底物。它们通常是不可消化的碳水化合物。
抗生素和益生元/益生菌/合生元通过改变肠道微生物群来治疗疼痛有一定的希望。
适用人群与注意事项
饮食干预和益生元补充通常被认为是相对安全的。然而,个体对不同膳食成分和益生元的反应存在差异。例如,突然大量增加膳食纤维或某些益生元可能导致部分人群出现腹胀、产气等不适。对于特定疾病(如IBS),某些益生元(如高FODMAPs的菊粉)可能反而加剧症状。因此,饮食调整和益生元的使用最好在医生或营养师指导下进行,循序渐进,并关注个体耐受性。
doi: 10.1186/s10194-020-01170-x
益生菌与合生元(Synbiotics)
益生菌是指当摄入足够数量时能对宿主健康产生有益作用的活性微生物。合生元则是益生菌和益生元的组合。
菌株特异性原理
益生菌的作用具有高度的菌株特异性,这意味着并非所有益生菌都具有相同的功能,其效果取决于具体的菌株。不同菌株通过不同机制发挥作用,例如:
益生菌通过调节宿主肠道植物群或肠道免疫系统的平衡来支持宿主健康,并指出广泛使用的益生菌如双歧杆菌和乳杆菌在治疗慢性疼痛疾病方面具有潜力。例如,干酪乳杆菌改善了关节炎大鼠的症状,并抑制了体内促炎因子的表达。
临床研究证据
然而,许多现有研究仅在动物中进行,其结果可能在临床阶段有所不同,且由于疼痛的不同亚型和个体差异,限制了益生菌在临床治疗慢性疼痛中的应用。更多高质量的人类数据是无价的。
合生元的优势
合生元将益生菌和为其提供选择性生长底物的益生元结合起来,理论上可以产生协同增效作用,即“1+1>2”的效果。益生元有助于益生菌在肠道内的定植、存活和发挥功能。
适用人群与选择标准
选择益生菌时,应考虑疼痛的类型、可能的菌群失调特征以及具体菌株的循证依据。由于菌株特异性的存在,不能一概而论。患者应在医生指导下选择经过临床验证、安全性较高的产品。目前,益生菌主要作为辅助干预手段,不应替代标准治疗。
粪菌移植(FMT)
FMT是指将健康个体粪便中的功能菌群,通过灌肠、口服胶囊或经内镜等途径,移植到患者肠道内,以重建健康的肠道微生态。
作用机制
FMT的核心机制在于通过引入一个完整、多样且功能健全的微生物群,来纠正受体肠道内的菌群失调,恢复肠道屏障功能,调节免疫反应,并改变菌群代谢谱,从而达到治疗疾病的目的。
在难治性慢性疼痛中的探索性应用
粪便微生物群移植已经成为慢性内脏疼痛病症(例如炎症性肠病和肠易激综合征)的有益疗法,通过恢复肠道细菌的健康平衡。
一项研究显示,FMT在剂量依赖性的情况下,对IBS相关症状的管理非常有效。目前,FMT在治疗复发性艰难梭菌感染方面已获得广泛认可,其在IBS、IBD等其他菌群失调相关疾病(包括其伴随的疼痛)中的应用也正积极探索中,并已有一些案例报道和小型临床试验显示出一定的潜力。
挑战与风险
关于FMT在疼痛治疗中的使用存在一些争议,深入阐明肠道菌群在慢性疼痛中的调节机制,增加临床数据,将有助于未来在临床实践中应用FMT。
适用人群的严格筛选
目前,FMT主要用于标准治疗无效或复发性艰难梭菌感染。对于其他疾病(包括慢性疼痛),FMT仍主要处于临床研究阶段,应在严格的伦理审查和知情同意下,由经验丰富的医疗团队在特定情况下审慎考虑。
▼
新兴与未来疗法
随着对肠道菌群及其与宿主互作机制认识的深入,更多精准靶向的菌群干预策略正在涌现。
后生元(Postbiotics)
指对宿主健康有益的无生命微生物和/或其成分,包括菌体成分(如细胞壁片段、胞外多糖)或菌群代谢产物(如SCFAs、特定酶、有机酸)。直接应用这些已明确功能的分子,可能比直接移植活菌更安全、更可控,且易于标准化。
工程益生菌(Engineered Probiotics)
通过基因工程技术改造益生菌菌株,使其能够:
噬菌体疗法(Phage Therapy)
噬菌体是特异性裂解细菌的病毒。通过筛选能够靶向清除特定有害菌(如在某些疼痛状态下过度增殖的条件致病菌)的噬菌体,可以实现对肠道菌群的精准“编辑”,而不破坏有益菌群。
针对菌群的药物开发
开发能够选择性调节肠道菌群特定功能的小分子药物。例如:
尽管靶向肠道菌群为慢性疼痛的治疗带来了希望,但仍面临诸多挑战。肠道菌群的组成和功能具有高度的个体特异性,且受饮食、生活方式、遗传、药物等多种因素影响。因此,“一刀切”的菌群干预方案可能效果有限,未来的发展方向在于个体化菌群干。
通过宏基因组学、代谢组学等多组学技术,分析个体患者的肠道菌群特征(如关键菌种的缺失/富集、特定代谢通路的异常),结合临床表型,识别与疼痛相关的菌群失调模式。
基于精准诊断结果,为患者量身定制干预方案,如选择最合适的益生菌菌株、益生元种类,甚至进行个性化的FMT供体筛选或开发定制化的后生元/工程菌。在干预过程中,持续监测患者菌群和临床症状的变化,及时调整干预策略。
肠道微生物组的调节可能很快成为慢性疼痛管理的重要工具,靶向肠道菌群为慢性疼痛的治疗开辟了充满潜力的新途径。随着研究的深入和技术的进步,有望从“经验性”干预走向“精准化”菌群调控,为饱受慢性疼痛困扰的患者带来更有效、更安全的个体化治疗方案。
注:本账号内容仅供学习和交流,不构成任何形式的医疗建议。
主要参考文献
Cai W, Haddad M, Haddad R, et al., The gut microbiota promotes pain in fibromyalgia. Neuron. 2025 Apr 18:S0896-6273(25)00252-1.
Minerbi A, Fitzcharles MA. Gut microbiome: pertinence in fibromyalgia. Clin Exp Rheumatol. 2020 Jan-Feb;38 Suppl 123(1):99-104. Epub 2020 Feb 12. PMID: 32116215.
Niu M, Li J, Zhuang X, Yangyang C, Chen Y, Zhang Y, Maes M. Unraveling the role of gut microbiota and plasma metabolites in fibromyalgia: Insights from Mendelian randomization and dietary interventions. Mol Pain. 2025 Jan-Dec;21:17448069251332140.
Erdrich S, Hawrelak JA, Myers SP, Harnett JE. Determining the association between fibromyalgia, the gut microbiome and its biomarkers: A systematic review. BMC Musculoskelet Disord. 2020 Mar 20;21(1):181.
Minerbi A, Fitzcharles MA. Gut microbiome: pertinence in fibromyalgia. Clin Exp Rheumatol. 2020 Jan-Feb;38 Suppl 123(1):99-104. Epub 2020 Feb 12. PMID: 32116215.
Häuser, Winfrieda,b,*; Fitzcharles, Mary-Annc,d; Henningsen, Peterb. Fibromyalgia syndrome—a bodily distress disorder/somatic symptom disorder?. PAIN Reports 10(1):p e1223, February 2025.
Liu L, Wu Q, Chen Y, Ren H, Zhang Q, Yang H, Zhang W, Ding T, Wang S, Zhang Y, Liu Y, Sun J. Gut microbiota in chronic pain: Novel insights into mechanisms and promising therapeutic strategies. Int Immunopharmacol. 2023 Feb;115:109685.
越来越多小伙伴开始关注我们产品的同时也会对产品的准确性,检测使用的技术等产生强烈的好奇日常提问:
检测后能得到什么有用的信息?
这个结果的准确性如何?
通过检测能直接区分患者和健康人吗?
同个人过一段时间做菌群变化大吗?
取样时间不同影响大吗?
疾病之间会不会相互干扰?
……各种问题层出不穷今天就为大家详细解答
以下是分享原文。
非常高兴有机会在这里跟大家分享我们这几年在肠道菌群检测应用于临床和健康管理方面的尝试,以及我们的一些经验。
谷禾成立于 2012年,是最早从事肠道菌群健康事业的公司,技术骨干源自浙大。建立了完整的pcr分子实验室。
我们比较专注,一直在做肠道菌群检测,从整个样本量来说,我们更关注来自于临床的有病理的信息,以及临床辅助诊断的数据样本。所以我们在这方面积累了相当大一部分的数据集。
而且这些临床样本相对来说,对于我们后续将肠道菌群检测应用于临床辅助诊断当中有很大的帮助。
我们其实不只是检测一下肠道菌群的构成,以及哪些菌有异常,我们是希望将肠道菌群检测直接做成一个临床辅助诊断的产品。
不只是告诉你可能有哪些疾病风险,我们希望可以直接给出包括结直肠癌、胃癌、甚至肝癌、抑郁症、自闭症的临床辅助诊断提示。
从这个角度上来说,可能跟目前已有的检测,包括这几天嘉宾分享的一些研究,可能就会有很大的不同。
你可以通过检测找到很多肠道菌群构成的显著性差异,比如自闭症患者跟健康人之间有相当大一部分的菌是存在丰度上的显著差异,但是:
能不能准确告知,哪个是自闭症患者,哪个是健康人,或者是他甚至有中间型的状态?
那么这个过程当中就需要解决几个问题。
第一个问题,首先是准确度
不仅仅是告诉你一个概率的问题,而且需要临床辅助诊断,那么就需要提高样品的处理本身,以及疾病诊断模型的准确度。
第二个是稳定性
大家都知道肠道菌群其实受的影响因素非常多,你的饮食方式、生活、地域、健康状态、甚至情绪状态都可能对菌群有巨大的影响。
这种巨大的影响的来源有这么多的情况,那么如何保证无论你什么时候检测,都能够是可靠稳定的?
假设一个结直肠癌患者,他今天做了,和隔了一个礼拜之后再去做,从病理的状态上来说,他还是个结直肠癌患者,但是他的菌群状态可能会产生巨大的变化。
那么这些变化本身是否会对我们的检测和临床结论产生巨大的影响,这种波动如何去消除,所以这个是个稳定性的问题。我等会也会讲到。
再一个是可解释性
因为菌群相对来说,实际算是一个大的数据。我们现在如果采用高通量测序的方式来做,一次性可以拿到大量的数据集。
这些数据集本身会有各种各样的菌的构成差异,我们的经验是差不多每个人,从婴幼儿开始到成年人,大概两岁以上的婴幼儿,菌群构成会从200到2000种菌不等,也就是说每个人会有这么大的菌的种类。
但是总的数据集有多大呢?我们自己有几万例的人群的样本,构建了一个人的肠道菌群的参考数据集,这个数据集里目前包括7500多种菌。但是我们自己的评估,全人类的肠道当中可能出现的定植菌应该会超过10万例。
那么这么大的数据量当中的异常菌如何去进行解释,如何给临床上提供更有意义的,病理上也好,或者机制上的一种解释,以及可以量化的干预方案,这就是可解释性。
最后一个是经济性
因为如果希望肠道菌群检测能够作为一个临床辅助诊断的项目,或者是针对具体的临床疾病的辅助诊断来说,它不仅仅要做到准确,它要具有足够大的经济性。
也就是说成本必须要得到控制,几千块钱的项目可能能做,但是它无法做到普及,也无法在临床当中被大量的应用,所以如何控制成本也是个巨大的一个问题。
我们做了很多的工作,尝试在上面提到的方向去努力实现在临床应用当中的可能,以下几方面我后面会逐一讲一下我们所做的工作。
第一是取样和储存运输,然后是如何大规模、低成本、高效准确的去处理样品。
再一个是参考数据库,完整的数据库的建立,其实也是非常重要的。
然后是大规模人群队列和临床数据。我们的核心经验,由于肠道菌群的多样性,以及受各种因素的影响比较多,那么大规模的人群队列就变成一个非常重要的点。如何去构建大规模的临床队列,以及从这个大规模的临床队列当中,我们能不能拿到一些信息和有用的经验。
再有是全方位的解析,我们等会儿会讲到不只是在菌群层面上,也不只是在代谢层面上,我们甚至可以基于肠道菌群,把代谢营养,生理生化指标,免疫指标,我们都是来自于临床的,包括血常规,尿常规,我们都能够进行解析。
还有重要的一点是如何使用人工智能的高可用性的模型,从这么大的数据当中精细化的提高检出率的同时,又能够保证它的特异性和敏感度,这是个巨大的一个挑战,这个我后面也会讲到。
第一个方面,可能我们现在采用的这个取样方式,应该相对来说最简便和最小的一个取样方式,我们直接可以用棉签从厕纸上蘸取,直接洗脱在取样管当中。
你可以看到取样颜色达到左侧第二个管子的这种颜色的粪便量,我们就可以完成整个检测,从使用体验上来说,会比较简便,而且需要量少。
样本保存也可以在室温下至少可以保存一个月,运输过程当中就不需要涉及到冷链,可以直接快递,便捷性也会大大提高。
有了这个取样管之后,实际上从临床和门诊当中可以快速的拿到大量的方便的样品,因为不需要采用非常复杂的取样和储存的方案。
我们讲第二个方面,刚才提到菌群的构成特点是很多样性的,而且跟很多因素包括取样时间有关,比如说早上取、晚上取,取的粪便的部位以及取样的量的多少,可能出来的菌群构成都会有一些区别。
如何再将这些区别和波动有效地控制,并且从中提取稳定准确的信息
这就涉及到一个我们能够从菌群数据当中能拿到一些什么结果,我主要从几个维度来讲。
——首先是菌群丰度和菌群结构
你首先可以知道每一种菌大概有多少的量,相对比例是多少。你还会知道菌群构成,也就是说都有些什么菌。
——然后是菌群结构。
所谓菌群结构就是说,有一些菌它会共同出现。甚至你会发现你检测到了有几种菌,并不代表其他的菌可能就没有出现。我们的肠道菌群总共可能会有七万多种菌,每个人差不多200到2000种,但是在99%的人当中都出现的菌,可能不超过30几种。你的肠道当中有这种菌,但是很多人当中都没有这种菌,那么很多的信息是稀疏的。但是通过构建菌群结构之后,你会发现这两种菌,可能一个在你这里有,一个在另外一个人当中有,但是这两种菌它其实代表的意义和内涵是类似的。
——再一个方面,我们通过数据的模型的挖掘,可以拿到更高维的特征。
这些特征反应的是生理的,比如说你的尿酸量,你的尿蛋白,你的血液当中的高密度脂肪酸,包括一些代谢的指标,这些指标的生理的特征和病理的特征,我们也可以通过菌群结构来进行提取。
那么从信息的维度上提升了之后,你可以看到数据的稳定性在不断提高。
最底层数据菌种的丰度波动性是非常大的。前一天的饮食如果有改变,跟你日常的饮食习惯有一些稍微的改变,第二天的检测,菌群的构成丰度上,波动甚至会达到30%。这种菌群丰度的变化,就代表如果你单纯依据少量的几种菌的丰度变化去检测它的异常,或者是这个疾病的状态的话,稳定性是很差的。那么你就需要控制各种场景,各种条件,才能拿到一个稳定的结果。但是菌种丰度又代表了一个非常高的信息量。
那我们尝试的更多的是从第二个维度开始,就菌群的构成,菌群的结构以及高维的菌群特征这个角度,因为它的稳定性更好。我们通过不断的去加入各种各样的临床病例的数据的方式来提取这些菌群的附加信息。
这就涉及到第二个问题,我们要把这更多维度的信息量能够提出来的话,你就必须要有涉及到非常大规模的样本人群,包括疾病状态、年龄、社会生活区域、饮食方式等各种因素的情况。
那么大量样本的话,我前面提到我们在取样盒上的改进,对应的我们还提供了一个快速的提取方式。就是通过磁珠法,来完全全自动化的来配合我们的取样盒,来做到大规模,自动化的,低成本的快速提取。
因为一般来说像MoBio这一类的试剂盒它对于样本的起始量有一个比较高的要求,并不适用于我们前面那种非常低当量的一个量。
我们自己改进之后的方法,稳定性和可靠性也是相当高的,这样是极大地降低了我们的整个实验处理过程当中的成本,同时又能够有效地保证这个检测结果的可靠性。我们的方法已经有文章发表。
那么当有了大量的样本之后,第二个问题就是
需要你更精准,更精细化的去提取这些数据
提取这些数据的过程当中我们自己也做过比较。用公共数据库包括Greengene、RDP或者HMP这些数据参考集,我们大概也就只能最多到95%的数据是能比对上去的,到种属的鉴定甚至会更低一些。
我们自己大概用了24000例的来自全球各地的样本,包括我们自己大概测了将近有17000多例的我们早期测的样本,还有各种来源的,特征的,包括疾病状态的,包括我们纳入了从各种基因组数据库拿到的肠道疾病和人体病原物的这些菌的数据,总共汇总之后,我们有24000多人的样本。
最后,我们构建了一个全新的人体肠道的一个参考集,这个参考集大概有75000多种OTU的菌,然后我们做了大量的注释,超过99.5%的菌是都能够完成比对的,这就大大的提高了对于菌属和样品当中菌构成的分辨率。
我们目前总的样本量已经接近快20万了,估计今年应该会超过20万例。
多种相关疾病互相存在干扰
这个是遇到的另外一个问题。
当我们解析了这些菌之后,我们尝试去做不同的疾病状态下菌的构成丰度和这些菌的特征信息,我们去尝试做疾病的分类。
前期做的时候效果相对还是非常不错的,因为它的特征菌比较明显。但是实际上面对临床的时候会遇到第二个问题,临床当中没有一个人的样品是非常干净,他可能会有结直肠癌,但是同时又会有高血压,或者是有消化道的疾病。
这些样本在你做检测之前你其实不知道他的状态,在试验或者研究型论文当中,你可能做的队列一个是健康人,再加一个某种疾病的患者,那么这两类的样本做出来,统计差异是非常明显的。但是如何在临床样本当中做到非常精准地将这两类人区分,而且不受任何中间因素的干扰,比如说阴性干扰样本的这个影响,这是需要面临的问题。
图解
上面图的左侧,我们自己做了一个结直肠癌的模型。结直肠癌我们现在检测的准确度可以达到非常高了。
但是,最开始做的时候,其实我们做了一下测试,单纯的模型去做预测分析的时候,会有其他中间疾病的大量干扰。尤其是消化道出血的情况下,会对整个菌群状态有非常大的影响。
包括腺瘤的阶段,刚才几位也都提到肠癌,肠癌其实是一个菌群变化要早于癌症发生的过程。但是菌群变化和癌症的阶段是有一些特征性的影响的,那么腺瘤的阶段跟肠癌是有大量的菌群特征是重叠的。
我们前期由于收集来自于各个来源的病例样本,所以可以大量的去寻找哪一些疾病是和我们要检测的目标疾病存在干扰因素的,我们可以挑选出这些疾病作为一个控制集,那么可以大大的减少假阳性和干扰的因素。
这也就是另外一个因素,就是我们在构建人群队列的时候,务必不能以一个相对干净的样本集去做。对于研究来说,它可能是很好的一个方式,你可以做前瞻性来寻找这是否可能以及效果。但是实际临床过程当中,你需要纳入大量的,可能影响你这个菌群,或者跟这个疾病有相互干扰和影响的相应的疾病来作为控制集,才能够提高它的可靠性和准确度。
图解
这个图是我们自己有完整的临床病例,我们跟大量的医院和研究所在合作,我们自己构建了大量的人群队列规模,全部都是住院病人,有明确的临床的诊断和所有的病例信息,这个样本规模差不多有4.7万例。
图的左侧是各种疾病的类型,我们也通过各种疾病和菌群的模型构建,分析了七大类系统,包括呼吸系统,泌尿系统,免疫系统,内分泌系统,神经系统和消化系统,还有循环系统,跟肠道菌群能够有相对可靠的临床应用和检测,用于临床疾病的辅助诊断的可能性的。
右边这里是一个疾病的构成,其中有很多病跟菌群的关系目前甚至都没有发表过论文,就是说并不知道肠道菌群跟它有关。我们实际通过大规模的临床样本的实际筛查和模型构建之后,发现有很多病,通过肠道菌群可以做到非常精准。
另外一个问题就是,我们对于一个病的预测也好,或者进行辅助诊断也好,基于肠道菌群
需要多大样本的量才能够做到足够的准确度
来看一个我们自己做的一个模型,是拿实际真实临床样本的数据来做的
图解
这个图实际上是拿二型糖尿病的患者的诊断来做的,可以看到不同的曲线丰度。
我们自己做了从50例、300例、1000例到3000例,这些都是病人的样本量,对照集的样本量一般会在两到三倍的量来进行构建模型。
从我们自己的这个模型数据来看,50例的样本,你可以有效地判断菌群到底能否对这个疾病进行一个相对较好的评估;那么如果是300例,你基本上可以拿到一个相对可用的模型,进行初步评估。
如果是要达到一个相对稳定的有临床应用价值的模型,我们认为差不多要1000例。因为你要纳入各种来自于不同临床疾病状态的样本,因为可能这个患者虽然有这个病,但是他同时还会有其他的疾病,包括不同的年龄和饮食习惯的这些背景因素要做控制,至少要1000例。
如果想要得到稳定可靠的检测结果,而且因为不是所有的病,菌群都是在其中起到绝对性的作用,有些是属于间接的,那么你希望菌群本身的检测,它需要有一个贡献度的上限,也就是说,菌群本身与这个疾病的参与度和关联性的上限。那么要达到这个上限,我们认为差不多要3000例的临床的阳性样本,就是病例患者的样本,可以达到上限的结果。
再下来,就是我们需要构建可靠的模型。
因为菌群是一个相对数据源,你的各种生活方式,疾病状态,营养健康的情况都会影响它。可能这个菌既在肠癌当中属于特征菌,同时也是一个炎症性疾病的特征菌,那么这些状态都会影响同一个菌的结果。
如何将这个菌的结果的变化反馈到去解释它到底是哪一个病的问题呢?
我们通过数据标准化和多维度的提升来构建一个判断的模型。
我们用人工智能和深度学习的方法,通过足够大的样本数据,来提取各种各样的菌群特征,并不直接用菌群自身的信息,而是用高维度自主学习的方式来提取这些菌群特征。
然后纳入各种各样数据,
比如有营养学的数据,有质谱的数据,
也有一些病理的数据,包括一些生理生化的数据,
都纳入之后,我们去解析它。
而且我们并不是用一个模型来做,我们现在是用三个模型来做。
我们第一轮是将所有的可能的干扰性疾病和有影响的疾病,全部作为一个病的类型,来进行模型的分析,筛出所有可能有问题的人。
然后第二轮我们需要精准化的去提取,到底哪些病是明确就是单一这种疾病的。
第三个模型,就是我们要对目标疾病与其他干扰的疾病进行区分。
通过多个模型之后,我们可以极大地提高菌群检测的稳定性,以及这个疾病当中的特异性程度。
图解
这个图是我们自己在做的一些疾病的检测结果。从目前来看,很多疾病的稳定性和效果都相当不错,这里每一个病至少都有将近500例病人的样本数据,来去做一个验证。每一个疾病的类型,我们差不多都有两到三个中心的检测结果数据去汇总。
通过多维度之后,我们就可以探寻不同的菌群变化背后,它可能真实驱动的因素。
我们还加入了营养的部分,这些营养其实我们是通过营养调查和一些质谱的数据,然后通过机器学习的方式来去把它解析出来。
我们也加入了像血常规,尿常规,生化,免疫组化,代谢组产物指标,肿瘤标志物,还有激素水平。我们将这些数据纳入之后,通过构建模型,可以将菌群的结果转换为这些生理生化相应的指标。也就是说,你如果只给我菌群的数据,我可以将这些生理生化的相应指标也能够给你体现出来。
甚至还有包括艾滋病的特征的,以及另外一些其它疾病,这里没有列出来,但是效果也是相当不错。
但是你可以看到,它的解释并不是指这个菌群直接的特征变化。我们通过菌群解析,像艾滋病,我们有免疫组化的数据解读了之后,我可以明确告诉你,CD4和CD8的比值会有特征性的差异。但它本身的菌群特征上并没有直接体现出这个东西,是通过生理生化指标的转换之后,我就可以告诉你,菌群特征的变化在具体哪些生理生化方面产生一些影响。
这个是我们现在提供给包括临床和健康检测的一些基本的内容。
可以提供菌群的总体状况,以及致病菌的情况,益生菌的情况。因为本身测的就是菌群,所以它直接就能提供这些最基本的一些信息。当然正常范围都是我们基于将近上万人的健康人群来做的正常范围的评估。
这个是除了来自文献之外,我们自己通过算法提取到的相关的菌,每一种菌在这个疾病内的相关性情况,以及它在正常人群的基本的正常范围是多少。然后我们通过检测这个是否异常,在临床当中给医生来做快速判断的一个内容和信息。
再有一个我们现在给一个疾病的辅助诊断,这些部分它可以相对有效的提供整个维度的不只是一个专科的信息,可以给到包括我们前面讲到七个系统的相关疾病的一个提示。
这些提示可以帮助我们来做一些专科性的疾病辅助诊断,能排除一些其他科室可能漏掉的一些疾病症状。另外包括消化道症状的解读,我们也会有一个菌群异常的评估提示。
包括营养的部分,我们也单独加入营养摄入水平,维生素摄入水平,氨基酸摄入水平。
这个值目前来说我们是基于人群分布数据,就是说我们通过菌群来预测模型构建之后,评估出人群基础的水平,然后再基于人群的营养调查的水平,我们做拟合。现在来看,准确度还是相当的高。
那另外也包括微量元素,现在重金属的部分我们已经完成了,也很快会加入包括饮食特点、盐摄入、精制糖摄入对应的信息,还有短链脂肪酸的这些指标。
另外这里还有包括有心脑血管、神经系统的疾病的风险评估,包括过敏的一些问题。
过敏的话现在我们也在开展一个比较大的多中心的项目。关于过敏Broad Institute(博德研究所)去年还是今年有一篇文章,他们做的是一个大的欧洲的队列。
也就是通过菌群的数据,从刚出生开始持续采集,差不多到六岁,然后再去评估过敏以及过敏原。目前他那个数据我们做过测试,完全基于菌群的数据,对于过敏包括过敏体质的评估,我们差不多现在能到0.78左右。那如果你是做特异性的过敏原的检测的话,我们甚至也能够进行过敏源的评估,完全基于菌群数据。
所以我们自己的大量的数据检测完了之后,会发现,通过菌群数据本身,不止是能够告诉你菌群的结果,甚至能够反映非常非常多原来你意想不到的,需要用其他手段来进行检测的结果。
另外,我们现在的检测全部是基于16S,16S大家知道它本身的精细度可能还是有缺陷,就是它并不能到菌株;另外它只测细菌的部分,你的病毒和真菌是没有的。
但是我们这里可以看到有一项检测是病毒性腹泻,就是说我测的是肠道菌群,但是我们能够发现,这个病毒的感染,也会对整个肠道菌群产生一个巨大的影响。
所以我们通过整个菌群结构的特征变化,能够只检测细菌,也仍然能够发现病毒性的这种变化。
最后我说一下挑战。
第一个挑战,到目前为止我们做了这么多的数据和这么多样本量之后,竟然发现要真正去完整的解析整个菌群的特征,我们需要更大规模和全面多维度的数据集。不只是菌群检测本身的或者疾病的信息,我们需要纳入比如代谢组,以及其他的一些数据的情况,来构建更完整的数据集。
第二,我们发现不同的疾病,它的诊疗需求和特点是不一样的。虽然信息很多,但如何去跟临床辅助诊疗特定的疾病去做对接和结合是很重要的一点。
第三,我们现在的肠道菌群干预的手段其实也蛮多的,但是这些干预手段呢,现在缺乏量化,就是如何去评估每个人的干预手段,包括饮食的习惯,益生菌的菌株的水平的评估,益生元的效应,甚至粪菌移植的配体。这些量化的方面需要有大量的工作去做。
以上是我们这么多年做的实际临床大量样本的菌群检测的一些经验,跟大家分享一下,谢谢。