Extracto
Antecedentes y objetivos
La investigación de las relaciones de microbios en el intestino metabolito es necesaria para comprender y reducir potencialmente el cáncer colorrectal (CRC) de riesgo.
Métodos
Microbiota y metabolómica de perfiles se realizaron en las heces liofilizadas de 42 casos de CCR y 89 controles emparejados. regresión logística multivariable se utilizó para identificar asociaciones estadísticamente independientes con el CRC. Primer director de coordenadas-componente par (PCO1-PC1) y la tasa de falso descubrimiento (0,05) -Corregido los valores de p se calcularon para 116.000 correlaciones de Pearson entre 530 y 220 metabolitos microbios en un caso de sexo * /control de meta-análisis.
resultados
en general microbio-metabolito pCO1-PC1 fue más fuertemente correlacionada en los casos que en los controles (Rho 0,606 vs 0,201, P = 0,01). CRC se asoció independientemente con los niveles más bajos de clostridios, Lachnospiraceae,
p aminobenzoato
y linoleato conjugado, y con mayores niveles de Fusobacterium, Porphyromonas,
p
hidroxi-benzaldehído, y palmitoil-esfingomielina . A través de efectos postulados sobre desprendimiento de células (palmitoil-esfingomielina), inflamación (linoleato conjugado), y la inmunidad innata (
p
aminobenzoato), metabolitos mediada la asociación CRC con Fusobacterium y Porphyromonas en un 29% y 34%, respectivamente . En general, palmitoil-esfingomielina correlaciona directamente con la abundancia de enterobacterias (Gammaproteobacteria), tres Actinobacteria y cinco Firmicutes. Sólo Parabacteroides inversamente correlacionada con la palmitoil-esfingomielina. Otros lípidos correlacionados inversamente con Alcaligenaceae (Betaproteobacteria). Se encontraron seis correlaciones de Bonferroni-significativas, incluyendo la baja indolepropionate y threnoylvaline con Actinobacteria y alta eritronato y un metabolito no caracterizada con enterobacterias.
Conclusiones
Las heces de los casos de CCR tenían muy fuertes correlaciones microbios que metabolito fueron predominado por enterobacterias y Actinobacteria. Metabolitos mediadas una asociación directa con CRC Fusobacterium y Porphyromonas, pero no una asociación inversa con clostridios y Lachnospiraceae. Este estudio identifica las redes microbios metabolito complejas que pueden proporcionar ideas sobre la neoplasia y objetivos para la intervención
Visto:. Sinha I, J Ahn, Sampson JN, Shi J, Yu G, X Xiong, et al. (2016) Fecal Microbiota, Metaboloma fecal, y Cáncer Colorrectal Interrelaciones. PLoS ONE 11 (3): e0152126. doi: 10.1371 /journal.pone.0152126
Editor: Pe Yean Cheah, Hospital General de Singapur, SINGAPUR
Recibido: 15 Septiembre, 2015; Aceptado: 9 Marzo de 2016; Publicado: 25 Marzo, el año 2016
Este es un artículo de acceso abierto, libre de todos los derechos de autor, y puede ser reproducido libremente, distribuir, transmitir, modificar, construir, o de otra forma utilizado por cualquier persona para cualquier propósito legal. El trabajo está disponible bajo la advocación de dominio público Creative Commons CC0
Disponibilidad de datos:.. Todos los datos relevantes se encuentran dentro del apoyo de sus archivos de información en papel y
Financiación: Este trabajo fue apoyado por el Programa de Investigación Intramural del Instituto nacional del cáncer y subvenciones R03CA159414 y R01CA159036. Los donantes no tenía papel en el diseño del estudio, la recogida y análisis de datos, decisión a publicar, o la preparación del manuscrito
Conflicto de intereses:.. Los autores han declarado que no existen intereses en competencia
Abreviaturas : índice de masa corporal, índice de masa corporal; CRC, el cáncer colorrectal; IC: intervalo de confianza; FDR, la tasa de falso descubrimiento; O, odds ratio; PABA,
p aminobenzoato
; PC, componente principal; PCO, coordinar principal; SD, desviación estándar
Introducción
La población microbiana intestinal (microbiota) lleva mayor que 100 veces más genes que el genoma humano, a través del cual se regula numerosos procesos, tales como la recolección de energía, el metabolismo de componentes de la dieta, la inmunidad, y las actividades de acogida o productos químicos derivados microbianos. [1] la alteración o disfunción franca de estos procesos está estrechamente ligada a la enfermedad inflamatoria intestinal, malnutrición y el síndrome metabólico, [2-4] e influye en el riesgo de una amplia gama de enfermedades, incluyendo el cáncer colorrectal (CCR). [5-11] escopeta secuenciación del genoma completo ha proporcionado información sobre el potencial metabólico de la microbiota intestinal, especialmente en estudios que incluyeron transcriptómica. [1, 12-14] percepciones selectivas tienen proviene de estudios de consorcios microbianos, las intervenciones dietéticas, modelos gnotobióticos ratón, y la transferencia de la microbiota fecal de personas enfermas o sanas. [3, 13, 15] a pesar de este progreso, una comparación exhaustiva de todos los metabolitos detectables con todos los microbios en el ser humano distal tripa es insuficiente.
Hemos informado anteriormente de las asociaciones de CRC con la microbiota fecal, específicamente la disminución de la abundancia relativa de Lachnospiraceae y otros clostridios y el aumento de transporte de Fusobacterium, Atopobium, y Porphyromonas. [16] En la misma población, el CRC se asoció con diferencias respecto a los controles de la misma en los niveles de metabolitos fecales de docenas. [17] en esto, hemos tratado de descubrir correlaciones entre los microbios fecales y metabolitos e identificar diferencias estadísticamente independientes entre CRC y controles emparejados.
Materiales Métodos y
los participantes del estudio y las muestras
el diseño del estudio se ha descrito anteriormente. [18, 19] En resumen, los nuevos casos diagnosticados de adenocarcinoma de colon o recto fueron reclutados antes de la cirugía y el tratamiento durante 1985-1987. [18, 19] los controles fueron pacientes en espera de cirugía electiva para no oncológicas, las condiciones no son gastrointestinales en estos hospitales durante el mismo período. Una media de 6 días (rango intercuartílico, 3-13 días) antes de la hospitalización y cirugía, los participantes completaron cuestionarios dietéticos y demográficas y entregaron muestras fecales de dos días que fueron congelados en casa en hielo seco y posteriormente liofilizados. Los liofilizados de dos días se combinaron, se mezcla y se almacena a -40 ° C. Los participantes proporcionaron su consentimiento informado por escrito. Los procedimientos del proceso de consentimiento y de estudio fueron revisados y aprobados por una Junta de Revisión Institucional en el Instituto Nacional del Cáncer. [18, 19]
De 69 casos y 114 controles en el estudio original, [18, 19] el caso -control análisis incluyó 48 casos y 102 controles para los que se disponía de al menos 100 mg de heces liofilizadas. Los controles fueron emparejados a los casos por el índice de masa corporal y el género (IMC). Microbiota y análisis metabolómicos se llevaron a cabo con estas muestras de heces liofilizadas. Como se ha descrito anteriormente, [16, 17] en ambos sistemas de ensayos, los datos eran de excelente calidad y altamente reproducible. Para el presente análisis, hubo 42 casos y 89 controles que tenían ambos metabolómica y datos de la microbiota.
analiza Microbiota
Los detalles de la amplificación, secuenciación, clasificación y análisis de los genes 16S rRNA son en Ahn et al. [16] en resumen, el ADN fue extraído utilizando el kit de aislamiento de ADN Mobio PowerSoil (Carlsbad, CA). amplicones de ARNr 16S que cubren regiones variables V3 a V4 se generaron, y los amplicones se secuenciaron con el sistema de pirosecuenciación 454 Roche FLX Titanium. secuencias de filtrado se binned en unidades taxonómicas operacionales con el 97% de identidad y alinearse con los genomas microbianos (IMG /GG Greengenes) mediante la tubería QIIME secuenciado completamente. [20] El presente análisis se limitó a los 220 microbios (en todos los niveles taxonómicos, incluyendo 91 Firmicutes, Bacteroidetes 33, 45 Proteobacteria, 11 Actinobacteria, 5 fusobacterias, y 35 en otros phyla) que fueron detectados en por lo menos 13 (10%) de los sujetos.
metabolómica análisis
gama de moléculas pequeñas (la mayoría & lt; 1000 Daltons) se detectó en las muestras fecales liofilizadas por cromatografía en fase líquida de alta resolución y cromatografía de gases acoplada a tándem espectrometría de masas (HPLC-GC /MS-MS, Metabolon, Inc., North Carolina, EE.UU.) como se describe anteriormente. [21, 22] brevemente, se realizó la extracción no específica sola metanol, seguido de la precipitación de proteínas. Las moléculas individuales y su contenido fueron identificados a partir de los picos del espectro de masas en comparación con una biblioteca de referencia química generada a partir de 2.500 normas, sobre la base de los picos de los espectros de masas, los tiempos de retención y las relaciones masa-carga. Las moléculas incluyen, pero no se limitan a, aminoácidos, carbohidratos, ácidos grasos, andrógenos, y xenobióticos. moléculas volátiles, tales como ácidos grasos de cadena corta, se pueden perder durante la liofilización o extracción. Sin embargo, dicha pérdida es generalmente equivalente en todos los especímenes, y liofilización es óptimo para las muestras fecales para asegurar la igualdad de carga de peso en seco. El presente análisis se restringió a los 530 metabolitos detectados en por lo menos 118 (90%) de los sujetos.
análisis estadísticos
El objetivo general fue identificar covariación y las posibles interacciones entre fecal metabolitos y microbios fecales, ya sea asociados con CRC o no. Para la asociación CRC, se utilizó regresión logística no condicional para calcular la odds ratio (OR) y el intervalo de confianza del 95% (IC), con la condición de caso como la variable dependiente y con cada microbio asociado-CDN como la principal variable independiente; [16] edad, sexo, índice de masa corporal y se incluyeron para el ajuste empírico de los factores de confusión potencial. Incluyendo la raza en los modelos no tuvo un impacto sustancial sobre las estimaciones. Para cada modelo de microbio, se añadieron metabolitos en una regresión logística paso a paso, y se retuvieron los metabolitos asociados con CRC en P≤0.15. Cambio en o con adición de los metabolitos se calculó como (O
no hay metabs-O
metabs) /(O
no metabs- 1). Para las estimaciones estandarizadas, la abundancia relativa de los microbios y los niveles del logaritmo natural de los metabolitos se normalizaron a la media 0 y el nivel de error 1. Nos informan también de los coeficientes de correlación de Pearson entre los metabolitos y los microbios que se asociaron con el CRC.
para el objetivo global independientemente del CRC, se consideró que los 530 y 220 metabolitos microbios, y utilizó la regresión lineal, estratificada por sexo y estado de caso, para identificar asociaciones entre los metabolitos y los microbios. Para cada uno de los 530 x 220 regresiones, hemos ajustado por edad, raza (blanco vs Otros), índice de masa corporal, y el hospital. Nos ilustran el alcance general de las asociaciones mediante el trazado de la log10 (P-valores) para cada emparejamiento metabolito de microbios en una parcela de "Manhattan". También se calcularon las correlaciones de la parte superior de componentes principales (CP1) y el director de coordenadas (PCO1) de los metabolitos y los microbios, respectivamente. Los principales componentes y coordenadas principales se obtuvieron de la matriz residual de modelos de regresión lineal, ajustando por edad, raza, índice de masa corporal, y el hospital, para cada metabolito o microbio, respectivamente. Para comparar la ρ de correlación
1, entre PC1 y PCO1 en los casos en contra de la correlación ρ
2 en los controles, se aplicó de Fisher Z-transformación Z (ρ) = 0.5ln ((1 + ρ /1-ρ) ) a cada correlación y luego probó si Z (ρ
1) -Z (ρ
2) fue significativamente diferente de 0. se supone Z (ρ
1) -Z (ρ
2) fue distribuida normalmente con media 0 y varianza 1 /(N
1-3) + 1 /(N
2-3) bajo la hipótesis nula donde N
1 y N
2 son el número de casos y controles, respectivamente. El valor P 2 caras es 2 * (1-P
norma [(Z (ρ
1) -Z (ρ
2)] /sqrt (var)). Los análisis estadísticos se realizaron en R versión 3.1.0 (R Fundación para la Computación de estadística, Viena, Austria, http://www.R-project.org/).
Resultados
datos completos de la microbiota y metabolome fecales eran analizada por 42 casos de CCR y 89 controles de la misma edad y el IMC [2] Estos 131 sujetos tenían una edad media de 60 años (SD 13,2) y un IMC medio de 25,6 (SD 4,2);. que eran predominantemente blancos y hombres ( Tabla 1). Los casos no difieren de los controles relativos a la edad, índice de masa corporal, el tabaquismo o el hospital, pero una mayor proporción de casos fueron americano y africano macho (Tabla 1).
asociaciones conjuntas de la microbiota fecal y metabolitos fecales con CCR
en los modelos de regresión logística que incluyó la edad, el sexo y el IMC, cuatro microbios se asociaron significativamente con la CRC en modelos separados: Fusobacterium (OR 10,17; IC 2,95 a 35,0), Porphyromonas (OR 5.32, IC 1,76-16,05), clostridios (OR 0,57; IC 0,38 hasta 0,85), y Lachnospiraceae (OR 0,61; IC 0,40 hasta 0,92). La Tabla 2 presenta estos y la adición de metabolitos fecales asociados con CRC en un criterio de P≤0.15. En estos modelos, el OR para la CRC fue de aproximadamente 2,8 con palmitoil-esfingomielina, con 2,4
p
hidroxi-benzaldehído, 0,5 por
p
aminobenzoato (PABA), y 0,5 con conjugated- linoleato-18-2N7 (CLA). Alfa tocoferol (OR 0,6) contribuyeron a los modelos Fusobacterium y Porphyromonas, y mandelato (OR 1.6) contribuyeron a los modelos de Clostridium y Lachnospiraceae. Con metabolitos en los modelos de microbios, la alta o de CRC con Fusobacterium se redujo en un 29% (10,17 a 7,53), y el alto OR con Porphyromonas se redujo en un 34% (5,32-3,83). La atenuación de las RUP bajas con clostridios y Lachnospiraceae fue menos marcada (3,9% y 1,5%, respectivamente).
Para una mayor comprensión de los microbios y cuatro metabolitos que contribuyeron a todos los modelos de regresión logística, los coeficientes de correlación de Pearson por pares se calcularon según el estado de casos y controles. En los casos, las correlaciones fuertes se encontraron resultados para tres pares de metabolitos (| ≥0.30 | ρ): dirigir para linoleato-PABA, inversa para benzaldehído-esfingomielina y benzaldehído-CLA (Tabla 3). Los casos también tenían fuertes correlaciones de esfingomielina con los microbios, que eran inversa con clostridios y Lachnospiraceae y directo con Fusobacterium. También en los casos, Fusobacterium se correlacionó directamente con Porphyromonas. Los controles tenían pocas correlaciones fuertes: benzaldehído-PABA (ρ = 0,30), Lachnospiraceae-PABA (ρ = -0,36), y Lachnospiraceae-clostridios (ρ = 0,55). presenta el cuadro S1, para casos y controles por separado, los 20 metabolitos que fueron más fuertemente correlacionados con cada uno de los microbios asociados-CRC.
Asociaciones de la microbiota fecal con metabolitos fecales
para explorar más a fondo la asociación entre la microbiota y metabolitos, se realizó el componente principal /análisis de los 530 y 220 metabolitos microbios de coordenadas. Se encontró que la correlación entre PC1 metabolito y PCO1 microbiana fue mucho más fuerte en los casos de CCR que en los controles (Rho 0,606 vs 0,201, P = 0,01). Para una visión de conjunto, se utilizó un metanálisis 4 grupos (sexo * caso /control), y posteriormente ajustado por edad, índice de masa corporal, la raza, y el hospital de inscripción. La figura 1 presenta todos los meta-analizados P-valles 116.600 (530 * 220) por phylum microbiana. En el FDR = 0,1 umbral, había 263 correlaciones significativas de metabolitos, entre ellos 32 (12%) con Actinobacteria, 54 (20%) con Proteobacteria, 141 (54%) con Firmicutes, 33 (13%) con Bacteroidetes, 1 (0,3 %) con Fusobacteria, y 2 (0,7%) con los microbios en otros phyla. En el FDR = 0,05 umbral, había 72 correlaciones significativas de metabolitos, entre ellos 14 (19%) con Actinobacteria, 15 (21%) con Proteobacteria, 31 (43%) con Firmicutes, 12 (17%) con Bacteroidetes, y ninguno con fusobacterias o microbios en otros phyla. Tabla S5 presenta asociaciones de exploración de CRC con estos 72 FDR = 0,05, significativamente correlacionado pares de microbios-metabolito. En estos 72 modelos de regresión logística, el CRC tenido una relación directa nominal con 2-aminobutyrate (OR 1,60; IC 1,07 a 2,39) y g_Arcobacter (phylum Proteobacteria, OR 1.94, IC 1.17 a 3.22), y tenía una asociación inversa nominal con desconocidos X_17626 metabolito (OR 0,59; IC 0,39 hasta 0,91) y g_Ruminococcus (phylum Firmicutes, OR 0,59; IC 0,35-0,99)
Los microbios están codificados por colores por phylum (Actinobacteria, rojo;. Bacteroidetes, amarillo; Firmicutes, púrpura ; proteobacterias, cian; Fusobacterias, negro; otros phyla, naranja) y ordenados por género. Bonferroni y la tasa de falso descubrimiento (FDR) se presentan 0,05 y 0,1 líneas de umbral.
Los 4 correlaciones inversas significativas fueron Bonferroni-indolepropionate con Actinomyces (Actinobacteria), threnoylvaline con Bifidobacterium (Actinobacteria), alanylalanine con Catabacteriaceae (Firmicutes), y 2-aminobutirato con Butyricimonas (Bacteroidetes); las correlaciones directas 2 Bonferroni-significativos fueron eritronato con Enterobacteriaceae (Proteobacteria) y un metabolito no caracterizada con Klebsiella (Proteobacteria).
Dos grupos de Proteobacteria tenían distintas correlaciones de metabolitos (Fig 2, barras cian A y B). Categoría A (Gammaproteobacteria, sobre todo enterobacterias) tuvieron correlaciones inversas con tres lípidos (litocolato, isovalerate, y valerato), y este grupo tuvo fuertes correlaciones directas con seis aminoácidos, dos hidratos de carbono (eritronato y lactato), dos cofactores /vitaminas (arabonate y treonato), uno de energía (succinato), dos lípidos (glicocolato y palmitoil-esfingomielina), un nucleótido (urato), dos péptidos, dos metabolitos no caracterizados, y xenobióticos (dihydrocaffeate). Categoría B (Betaproteobacteria, particularmente Alcaligenaceae) tuvo correlaciones directas con el mismo hidratos de carbono, eritronato y lactato; pero la mayoría de las otras correlaciones difirieron de los grupos A y B (enterobacterias y Alcaligenaceae). Categoría C compuesta por tres y cinco Actinobacteria Firmicutes; y se diferenciaba de la categoría A predominantemente por correlaciones inversas con tres aminoácidos, un cofactor /vitaminas, y dos nucleótidos. Categoría D incluyó cinco Actinobacteria (particularmente Bifidobacteriaceae) que se correlaciona inversamente con la guanosina y threonylvaline. Parabacteroides, el único microbio inversamente correlacionado con la palmitoil-esfingomielina, también estaba inversamente correlacionados con tres dipéptidos y tres nucleótidos.
El asterisco (*) indica una correlación significativa en la tasa de falso descubrimiento (FDR) 0.2. Barras en la parte superior de color están codificados por phylum, como en la figura 1 (Proteobacteria, cian; Actinobacteria, rojo; Firmicutes, púrpura; Bacteroidetes, amarillo). Las agrupaciones están marcadas arbitrariamente, A, B, C y D. barras de la izquierda son de color codificados por vía metabolito, tal como se indica.
Discusión
Mediante la comparación de un perfil completo de la microbiota a un panel amplio de metabolitos en los mismos especímenes, el presente estudio reveló correlaciones microbios metabolito en heces humanas. También reveló diferencias estadísticamente microbios metabolito independientes entre los casos de CCR y controles emparejados. Estos hallazgos complementan los estudios metagenomic y animal en modelos que han identificado las características de la microbiota intestinal humana distal que están asociados con CRC, enfermedad inflamatoria intestinal, el síndrome metabólico, la obesidad o desnutrición. [1-4, 11, 13, 14, 16] en general, en 131 individuos que encontramos 72 correlaciones entre los metabolitos fecales y microbios que fueron significativas en el nivel 0,05 FDR, de los cuales seis fueron significativas al nivel de Bonferroni. La gran diversidad filo Firmicutes tenido el 43% de las correlaciones significativas-FDR, mientras que el Fusobacterias altamente conservada y otros phyla rara tenían ninguno. correlaciones microbios metabolito fueron significativamente más fuerte en los casos de CCR que en los controles. comparar directamente los casos a los controles, el CRC se asoció con niveles significativamente más bajos de clostridios, Lachnospiraceae, PABA y CLA, y con mayores niveles de Fusobacterium, Porphyromonas, palmitoil-esfingomielina y
p
hidroxi-benzaldehído.
Nuestros pares de Bonferroni-significativas de microbios-metabolito deben tenerse en cuenta. Butyricimonas, un género butirato productoras en la familia Porphyromonadaceae (Bacteroidetes), se correlaciona inversamente con 2-aminobutyrate y al parecer causó el choque séptico en un paciente CRC informó recientemente. [23] Otros cuatro pacientes sépticos produjo el descubrimiento de
Catabacter hongkongensis
, [24, 25], que es el único miembro de la nueva Catabacteriaceae (Firmicutes) que hemos encontrado que se correlaciona inversamente con un dipéptido fecal. Proteobacteria y Actinobacteria se correlacionaron con varios metabolitos. Enterobacteriaceae (Gammaproteobacteria), que incluye Klebsiella, Escherichia, Shigella, Salmonella, Serratia, y otros patógenos, se correlacionaron directamente con un metabolito no caracterizada y con eritronato, un producto del metabolismo del ácido hialurónico y el estrés oxidativo. [26, 27] de la Actinobacteria , algunas especies de Streptomyces producen una amplia gama de medicamentos antimicrobianos utilizados comúnmente y otros metabolitos;. [28] y Actinomyces tenido una asociación inversa Bonferroni-significativa con indolepropionate en nuestro estudio
de los 11 metabolitos fecales asociados con CRC en univariado análisis, [17] sólo cuatro se asociaron de forma independiente con la malignidad cuando se ajusta por sí y por un microbio asociado-CRC (Tabla 2). Esto refleja, al menos en parte, las correlaciones de varios metabolitos entre sí (Tabla 3) y las vías quizá compartidos. [17] Sin embargo, las asociaciones de CRC con estos cuatro metabolitos (PABA, CLA, palmitoil-esfingomielina, y
p
hidroxi-benzaldehído) se atenuó modestamente cuando se ajustaron mutuamente el uno al otro. Del mismo modo, estos metabolitos mínimamente atenuados la asociación CRC con dos microbios de bajo riesgo (clostridios y Lachnospiraceae). Por el contrario, la asociación CRC con los microbios de alto riesgo (Fusobacterium y Porphyromonas) se atenuó 40-53% en los metabolitos, lo que sugiere que estos metabolitos mediar, en parte, la asociación de Fusobacterium y Porphyromonas con el CRC.
como examinado en otro lugar [29], la microbiota produce miles de moléculas químicamente diversos que afectan potencialmente la salud humana. Como tales metabolitos microbianos, incluidos los de la Tabla 2, afectan o marcan el riesgo de CCR es desconocido. Los posibles mecanismos incluyen el desprendimiento de las membranas celulares debido a la invasión microbiana; [30-32] modulación de la replicación bacteriana, la inflamación y el cáncer;. [33-37] y la síntesis de PABA y precursores de antibióticos [38-40]
Este estudio tiene limitaciones importantes. En primer lugar, la representatividad de los metabolitos detectados en nuestros 20 años de edad, los especímenes se desconoce, aunque se almacenaron en estado liofilizado en o por debajo de -40 ° C. En segundo lugar, nuestro estudio no diseccionar formalmente las interacciones de los metabolitos y los microbios resaltados. Esto podría lograrse por medio del estudio de consorcios microbianos construido sistemáticamente. [15] En tercer lugar, mientras que las correlaciones microbios metabolito considerados la multiplicidad de comparaciones, las asociaciones con CRC no lo hicieron. A pesar de ello, tanto el microbio-metabolito y las asociaciones presentes CRC hipótesis para efectos independientes o conjuntas que pueden examinarse en futuros estudios. En cuarto lugar, nos ha faltado un conjunto adicional de muestras para la validación externa. Sin embargo, al centrarse en un conjunto fijo de las principales metabolitos, se obtuvo una estimación del límite superior del efecto de los metabolitos en cada una de las bacterias asociadas-CRC. En cuarto lugar, aunque nuestro estudio considera 530 pequeñas moléculas, que no empleó el estado de la técnica de plataformas integrales que permiten detectar hasta 10 veces metabolitos más fecales, [41, 42], ni lo hizo la sonda específicamente vías inmunológicas e inflamatorias que son centralmente involucrado en la patogénesis de CRC. [10, 43, 44] funciones Finalmente, no hemos identificado de los microbios fecales que hemos detectado. Anteriormente, hemos observado que las actividades de dos enzimas importantes en las heces, β-glucuronidasa y β-glucosidasa, se correlacionaron directamente con la diversidad de la microbiota alfa y abundancia de clostridios, e inversamente correlacionados con la abundancia de Streptococcus y Alistipes. [45] Otros han demostrado que la microbiota de ratones libre de agentes patógenos puede generar células T reguladoras anti-inflamatorias, que se encargan de moderar la inmunidad sistémica, a través de la producción de butirato. [46]
En resumen, el presente estudio revelaron una compleja red de microbios y moléculas en las heces humanas. En esta red, los casos de CCR tenían fuertes correlaciones microbios metabolito que fueron los que predominan las proteobacterias y Actinobacteria. Para obtener ideas sobre la enfermedad e identificar objetivos para la intervención, serán necesarios estudios funcionales. En última instancia, incluyendo los ensayos clínicos, se requieren estudios prospectivos humanos innovadores. [15, 47]
Apoyo a la Información
S1 tabla. Los metabolitos más fuertemente correlacionados con los taxones asociados con el cáncer colorrectal, según el estado de casos y controles
doi:. 10.1371 /journal.pone.0152126.s001 gratis (XLSX)
Tabla S2. niveles estandarizados de todos los metabolitos entre los participantes en el estudio
doi: 10.1371. /journal.pone.0152126.s002 gratis (CSV)
S3 Tabla. La abundancia relativa de todos los taxones microbiana entre los participantes en el estudio
doi:. 10.1371 /journal.pone.0152126.s003 gratis (CSV) sobre Table S4. El cáncer colorrectal (CCR) de estado de casos y controles, covariables, y los valores beta de regresión logística para las asociaciones de metabolitos candidatos y los taxones microbianos con el CRC
doi:. 10.1371 /journal.pone.0152126.s004 gratis (CSV)
S5 tabla. asociación de regresión logística con el cáncer colorrectal (CRC) para los 72 pares de taxones de metabolitos microbianos que estaban correlacionadas entre sí a una tasa de falso descubrimiento (FDR) 0.05
doi:. 10.1371 /journal.pone.0152126.s005 gratis ( XLSX)
Reconocimientos
Financiación. Apoyado por el Programa de Investigación del Cáncer del Instituto Nacional intramural y subvenciones R03CA159414 y R01CA159036.