PDF下载 ( 1913 KB)
饮食对非酒精性脂肪性肝病肠道微生物菌型相关菌群的影响
DOI: 10.3969/j.issn.1001-5256.2021.04.046
Effect of diet on enterotype-related gut microbiota in nonalcoholic fatty liver disease
-
摘要: 非酒精性脂肪性肝病(NAFLD)是一种典型的慢性肝病，与肠道微生态的失调密切相关。饮食因素可能是影响肠道细菌组成和功能的最重要的驱动因素。基于肠道微生物菌型的概念，总结了饮食对NAFLD肠道微生物菌型相关菌群的影响，包含厚壁菌门/拟杆菌门的比值、拟杆菌属、普雷沃菌属、瘤胃球菌属、变形菌门、放线菌门及其他菌。指出改善饮食进而调节肠道菌群是防治NAFLD的重要策略之一，具有良好的前景，但尚需进一步的机制和临床研究。Abstract: Nonalcoholic fatty liver disease (NAFLD) is a typical chronic liver disease closely associated with gut dysbiosis, and dietary factor may be the most important driving factor affecting the composition and function of intestinal bacteria. Based on the concept of enterotype, this article summarizes the effect of diet on enterotype-related gut microbiota in NAFLD, including Firmicutes/Bacteroidetes ratio, Bacteroides, Prevotella, Ruminococcus, Proteobacteria, Actinobacteria, and other bacteria. It is pointed out that improving diet to regulate gut microbiota is one of the important strategies for the prevention and treatment of NAFLD and has a good prospect, which needs further mechanism and clinical research.
-
Key words:
- Non-alcoholic Fatty Liver Disease /
- Diet /
- Enterotype /
- Gut microbiota
-
肝内胆管癌(intrahepatic cholangiocarcinoma，ICC) 是起源于肝内胆管上皮细胞的一种恶性肿瘤，占原发性肝癌的5%~10%，其发病率正逐步上升[1]。近年来，ICC的系统治疗取得了巨大的进展[2]，但根治性手术切除仍然是其主要治疗方式[3]。由于ICC的高度侵袭性，多数患者在术后1~2年内出现肿瘤复发，导致ICC行根治性肝切除术后的5年生存率仅为20%~40%[4-5]。尽管再次切除(repeat resection，RR)能够延长患者的总生存期(overall survival，OS)[6]，但受限于残肝体积不足和多灶性复发等因素[7]，仅有极少部分患者可获得再次手术的机会。图像引导的热消融是复发性ICC(recurrent intrahepatic cholangiocarcinoma，RICC)的另一种治疗方式，而微波消融(microwave ablation，MWA)因其对实体肿瘤优异的治疗效果而被广泛报道[8-9]，具有瘤内温度更高、消融面积更大、操作时间更短等优势。有研究[10]报道，与RR相比较，MWA可获得类似的疗效且并发症更少。然而仅接受局部治疗的RICC患者，超过50%在1年内出现再次复发[11]。而系统治疗的联合可能有助于进一步加强局部治疗的疗效，从而获得长期的生存[12]。
基于ABC-02 Ⅲ期临床试验的里程碑结果，顺铂和吉西他滨的化疗方案成为不可切除和晚期ICC的标准一线治疗方案[13]。化疗作为术后辅助治疗也可改善部分ICC患者的预后[14]。对于RICC患者而言，化疗是一种潜在获益的治疗方式[11]。然而，目前少有关于MWA联合化疗和单独MWA对于RICC疗效比较的研究，本研究旨在阐明两种治疗方案的有效性及安全性。
1. 资料与方法
1.1 研究对象
选取2014年1月—2021年3月在内江市第二人民医院及西南医科大学附属医院接受根治性肝切除术的ICC患者213例。对RICC的治疗原则如下：入院后经多学科会诊制定治疗策略，对全身情况良好，Child-Pugh A或B级，孤立、少结节(2~3个结节)复发或肿瘤局限，预计再次根治术后残肝体积超过标准肝体积40%的患者推荐RR；对不能耐受手术，复发病灶数≤3个，肿瘤最大直径≤5 cm的患者推荐MWA或MWA联合化疗，对肿瘤最大直径＞5 cm或富血供肿瘤患者推荐联合TACE治疗。具体治疗取决于患者的肝功能状态、全身状况、肿瘤相关情况等，并且在实施前征求患者和家属的知情同意。纳入标准：(1)根治性肝切除术后首次肝内复发；(2)肿瘤个数≤3个；(3)无大血管侵犯或肝外转移；(4) Child-Pugh A或B级；(5)东部肿瘤协作组(Eastern cooperative oncology group，ECOG)评分为0~1分，预期生存期＞3个月。排除标准：(1)反复复发的ICC；(2) 严重的内科合并症，包括心、肺、肾功能障碍；(3)有严重的凝血障碍(即凝血酶原时间＞25 s，凝血酶原活性＜40%，血小板计数＜50×109/L)；(4)活动性严重感染。最终，共有106例接受了MWA或MWA+化疗的RICC患者被纳入本研究。
收集入组患者临床病理学资料：年龄、性别、并发症、肝硬化、乙型肝炎标志物、肝功能Child-Pugh分级、复发肿瘤直径、复发肿瘤数量、分化程度(以第一次切除时病理分化为准)和实验室检查(以首次复发后查血结果为准)、治疗方式、再次复发或转移的日期，以及最后一次随访的日期和状态。
1.2 治疗方法
1.2.1 MWA
治疗前患者行增强CT/MRI，通过超声或CT选择合适的穿刺路径，将一次性微波消融针插入肝脏中，并在超声或CT引导下放置到指定肿瘤部位。功率设置为50 W，消融时间约5 min。当肿瘤位于距皮肤表面不超过5 mm或邻近肠、胆囊或其他重要组织时，进行水分离。术毕退针过程中消融针道。术后发现有肿瘤残留时，再次消融。
1.2.2 化疗
患者在行MWA后的2周内开始化疗。以吉西他滨为基础的化疗方案33例，其中吉西他滨联合顺铂14例(1~4周期)，吉西他滨联合奥沙利铂6例(2~4周期)，吉西他滨联合替吉奥7例(1~4周期)，吉西他滨单药化疗6例(3~4周期)。其余治疗方案包括，替吉奥单药化疗10例(3~6周期)，卡培他滨单药化疗12例(2~8周期)。化疗剂量参照相关指南推荐，根据患者一般情况及耐受性进行适量调整[15]。
1.3 随访
随访截止时间为2022年6月。复查方式：胸腹盆CT或腹部MRI扫描。随访方式及时间与既往研究类似[16]，患者在治疗结束后前1~3年每3~4个月进行一次复查，3年后每6个月进行一次复查。根据实体瘤疗效评价标准1.1版[17]对患者进行肿瘤评价。研究终点为患者的OS和无进展生存期(progression free survival，PFS)。PFS为从接受MWA开始，到观察到肿瘤进展的时间或最后一次随访日期(未发现复发或丢失)。OS为手术后日期至死亡日期(未达到终点者，计算至末次随访日期)。对于再次复发患者，根据患者不同复发模式，体能状况及肝功能状态制定后续治疗方式。
1.4 统计学方法
采用IBM SPSS 26.0统计软件对数据进行统计分析。计量资料以x±s表示，两组间比较采用成组t检验，计数资料两组间比较采用χ2检验和Fisher精确检验。釆用Kaplan-Meier法计算PFS和OS。使用Log-rank检验比较生存差异。应用单因素和多因素Cox比例风险回归模型分析生存预后的危险因素。P＜0.05表示差异有统计学意义。
2. 结果
2.1 一般资料
共纳入106例患者，MWA+全身化疗组55例，MWA组51例，其中76例男性和30例女性，入组患者的中位年龄为54岁。两组基线资料比较均无显著差异(P值均＞0.05)(表 1)。
表 1 两组基线资料比较Table 1. Comparison of baseline data between the two groups项目 MWA+化疗(n=55) MWA(n=51) 统计值 P值 年龄(岁) 55.008±8.829 55.099±9.070 t=0.211 0.958 男性[例(%)] 39(70.9) 37(72.5) χ2=0.035 0.851 HBV感染 33(60.0) 27(52.9) χ2=0.537 0.464 肝硬化[例(%)] 36(65.5) 31(60.8) χ2=0.248 0.618 TBil(μmol/L) 41.025±13.796 37.208±12.988 t=1.465 0.146 AST(U/L) 65.891±23.122 73.093±24.721 t=-1.551 0.125 ALT(U/L) 69.755±24.965 79.076±35.183 t=-1.562 0.122 Alb(g/L) 38.684±4.069 38.882±3.806 t=-0.265 0.797 PT(s) 14.082±1.326 14.172±1.667 t=-0.310 0.757 INR 1.344±0.197 1.373±0.178 t=-0.806 0.421 CA19-9[例(%)] χ2=0.621 0.431 ≤37 U/mL 36(65.5) 37(72.5) ＞37 U/mL 19(34.5) 14(27.5) 术后复发TNM分期[例(%)] χ2=0.865 0.649 Ⅰ期 31(56.4) 26(51.0) Ⅱ期 17(30.9) 20(39.2) Ⅲ期 7(12.7) 5(9.8) 肿瘤直径[例(%)] χ2=0.907 0.119 ≤5 cm 35(63.6) 26(51.0) ＞5 cm 20(36.4) 25(49.0) 肿瘤个数[例(%)] χ2=0.794 0.268 1个 41(74.5) 34(66.7) 2~3个 14(25.5) 17(33.3) 首次切除时分化程度[例(%)] χ2=0.095 0.758 中高度 34(61.8) 33(64.7) 低度 21(38.2) 18(35.3) Child-Pugh分级[例(%)] χ2=0.484 0.486 A级 37(67.3) 31(60.8) B级 18(32.7) 20(39.2) 距初次切除后的复发时间[例(%)] χ2=2.358 0.125 ≤1年 33(60.0) 23(45.1) ＞1年 22(40.0) 28(54.9) 联合TACE[例(%)] χ2=0.028 0.867 是 38(69.1) 36(70.6) 否 17(30.9) 15(29.4) 2.2 生存情况
中位随访时间为16.0个月。截止随访结束，共有44例(41.5%)患者死亡，其中MWA+全身化疗组26例(24.5%)，MWA组共有18例(17.0%)，无治疗相关的死亡。44例死亡患者中35例(33.0%)因肝衰竭死亡，6例(5.7%)因多器官功能衰竭死亡，2例(1.9%)因消化道出血死亡，1例(0.9%)因脓毒血症死亡。
MWA+化疗组的中位PFS为15.0个月(95%CI：14.5~15.5)，MWA组中位PFS为13.4个月(95%CI：11.6~15.2)，两组差异有统计学意义(χ2=9.624，P=0.002)(图 1)。MWA+全身化疗组的中位OS为21.0个月(95%CI：20.0~21.8)，MWA组中位OS为18.0个月(95%CI：16.3~19.7)，两组差异有统计学意义(χ2=12.784，P＜0.001)(图 2)。
2.3 预后影响因素分析
单因素分析结果显示TBil、Alb、CA19-9水平、肿瘤直径、分化程度、复发时间、联合化疗是RICC患者PFS的相关因素。将上述7个因素纳入Cox多因素分析显示，肿瘤直径(HR=0.425, 95%CI: 0.208~0.868，P=0.019)、复发时间(HR=7.064, 95%CI: 3.612~13.618, P＜0.001)以及联合化疗(HR=0.138, 95%CI: 0.069~0.276, P＜0.001)是RICC患者PFS的独立影响因素(表 2)。
表 2 RICC患者PFS的单因素分析Table 2. Univariate analysis of PFS in patients with RICC项目 HR P值 性别(男/女) 0.708(0.408~1.228) 0.219 年龄(＞60/≤60岁) 1.243(0.729~2.120) 0.423 HBV(+)(是/否) 0.859(0.517~1.426) 0.557 TBil(＞34.2 μmol/L/≤34.2 μmol/L) 2.498(1.497~4.169) 0.001 AST(＞40 U/L/≤40 U/L) 0.754(0.343~1.657) 0.482 ALT(＞40 U/L/≤40 U/L) 1.692(0.760~3.768) 0.198 Alb(＞35 g/L/≤35 g/L) 1.930(1.061~3.512) 0.031 CA19-9(＞37 ng/mL/≤37 ng/mL) 0.326(0.193~0.550) ＜0.001 TNM分期(≥Ⅱ期/Ⅰ期) 1.012(0.727~1.409) 0.943 肿瘤直径(＞5 cm/≤5 cm) 0.353(0.212~0.588) ＜0.001 肿瘤个数(1个/2~3个) 0.778(0.453~1.335) 0.361 分化程度(中高/低) 0.472(0.287~0.775) 0.003 Child-Pugh分级(A/B) 1.165(0.690~1.969) 0.568 复发时间(＞1年/≤1年) 4.286(2.505~7.331) ＜0.001 联合化疗(是/否) 0.437(0.255~0.747) 0.002 联合TACE(是/否) 0.756(0.446~1.281) 0.298 以OS为作为生存预后的结局指标，单因素分析结果显示，CA19-9水平、肿瘤直径、分化程度、复发时间、联合化疗是RICC患者OS的相关因素。将上述5个变量纳入Cox多因素分析后显示，肿瘤直径(HR=0.299, 95%CI: 0.121~0.739, P=0.009)、复发时间(HR=2.341, 95%CI: 1.072~5.113, P=0.033)以及联合化疗(HR=0.175, 95%CI: 0.081~0.380, P＜0.001)是RICC患者OS的独立影响因素(表 3)。
表 3 RICC患者OS的单因素分析Table 3. Univariate analysis of OS in patients with RICC项目 HR P值 性别(男/女) 0.625(0.329~1.187) 0.151 年龄(＞60岁/≤60岁) 0.753(0.578~2.134) 0.753 HBV(+)(是/否) 0.754(0.413~1.376) 0.357 TBil(＞34.2 μmol/L/≤34.2 μmol/L) 1.570(0.855~2.883) 0.146 AST(＞40 U/L/≤40 U/L) 0.912(0.357~2.332) 0.848 ALT(＞40 U/L/≤40 U/L) 2.010(0.778~5.196) 0.150 Alb(＞35.0 g/L/≤35.0 g/L) 1.429(0.658~3.106) 0.367 CA19-9＞40 ng/mL(是/否) 0.412(0.224~0.756) 0.004 TNM分期(≥Ⅱ期/Ⅰ期) 1.188(0.652~2.166) 0.574 肿瘤直径(＞5 cm/≤5 cm) 0.244(0.127~0.470) ＜0.001 肿瘤个数(1个/2~3个) 0.835(0.427~1.631) 0.598 分化程度(中高/低) 0.502(0.274~0.922) 0.026 Child-Pugh分级(A/B) 0.970(0.512~1.839) 0.927 复发时间(＞1年/≤1年) 2.606(1.382~4.912) 0.003 联合化疗(是/否) 0.339(0.177~0.651) 0.001 联合TACE(是/否) 0.629(0.335~1.179) 0.148 2.4 不良反应
两组常见不良事件包括：血液学毒性、乏力、胃肠道反应、疼痛、肝功能异常、发热。其中，血液学毒性发生率差异具有统计学意义(χ2=12.524，P＜0.05)，经过药物减量和对症处理后好转。其余常见不良反应发生率差异无统计学意义(P值均＞0.05)(表 4)。MWA+全身化疗组与MWA组发生3级及以上不良事件的概率分别为14.5%和7.8%，差异无统计学意义(P=0.277)。
表 4 两组不良反应比较Table 4. Comparison of complications between the two groups项目 MWA+化疗(n=55) MWA(n=51) χ2值 P值 所有级别 3~4级 所有级别 3~4级 血液学毒性[例(%)] 18(32.7) 2(3.6) 2(3.9) 0(0.0) 12.524 ＜0.001 乏力[例(%)] 22(40.0) 3(5.5) 16(31.4) 1(2.0) 0.856 0.355 胃肠道反应[例(%)] 21(38.2) 2(3.6) 11(21.6) 1(2.0) 3.465 0.063 疼痛[例(%)] 18(32.7) 0(0.0) 15(29.4) 2(3.9) 0.136 0.713 肝功能异常[例(%)] 16(29.1) 1(1.8) 10(19.6) 0(0.0) 1.286 0.257 发热[例(%)] 8(14.5) 0(0.0) 4(7.8) 0(0.0) 0.277 出血[例(%)] 1(1.8) 0(0.0) 2(3.9) 0(0.0) 0.607 腹水/胸水[例(%)] 2(3.6) 0(0.0) 4(7.8) 0(0.0) 0.425 血栓[例(%)] 1(1.8) 0(0.0) 0(0.0) 0(0.0) ＞0.05 3. 讨论
ICC术后易出现局部复发和淋巴道转移, 5年复发率超过70%, 其中大部分患者在术后1年内复发[18]。RICC的最佳治疗方法尚无定论，研究者进行了多种治疗方式的尝试，包括化疗、放疗、RR、热消融和经肝动脉化疗栓塞术等[19]。欧洲肝病学会关于ICC管理指南建议，肝内复发的情况下可以选择RR或者热消融治疗[10]。然而RR的实施不仅对外科技术提出了一定的挑战，也需要对患者残肝体积、肿瘤负荷、肿瘤位置进行严格筛选[20]。
MWA因其良好的安全性及有效性，已开展应用于RICC的治疗[21]。Xu等[10]纳入分析了121例RICC患者，MWA和RR后的5年生存率分别为23.7%和21.8%，3年无复发生存率分别为33.1%和30.6%，但MWA组的术后并发症明显低于RR组。然而作为局部治疗手段，MWA仍表现出一定的不足：对于肿瘤较大以及多肿瘤病灶可能消融不彻底，消融后边缘复发[22]。2019版美国临床肿瘤学会指南提出，系统性化疗与其他多种治疗方式联用可能是RICC潜在的治疗策略[23]。Yuan等[12]研究显示，接受系统联合局部治疗的RICC患者生存期高于仅接受单独局部治疗的患者，然而其中联合化疗患者仅有3例，需要进一步的探索分析其对预后的影响。
本研究结果显示，在MWA的基础上加用全身化疗不仅可以改善患者的PFS(15.0个月vs 13.4个月)，还可以明显延长患者的OS(21.0个月vs 18.0个月)。在MWA的基础上联合化疗与RICC患者的PFS(HR=0.255，95%CI：0.138~0.472，P＜0.001)和OS(HR=0.208，95%CI：0.098~0.439，P＜0.001)呈正相关，因此可见联合治疗对生存改善更有益。与单独MWA治疗相比，其3级及以上不良事件的发生率未见显著差异，常见不良反应中仅有血液学毒性发生率明显增加，但通过药物减量和对症治疗后均可使症状得到缓解，表明联合治疗副反应相对可控。
值得关注的是，多因素分析结果显示，肿瘤直径、复发时间以及联合化疗同时是PFS和OS的独立影响因素。复发时间＜1年与患者肿瘤生物学行为具有更强的侵袭性相关，往往复发病灶在首次手术前或术中可能已发生肝内微小转移或切缘癌残留，这类患者对多种治疗的反应较差[7]。Diaz-Gonzálezá等[24]的一项单中心的研究结果显示，肿瘤数量是决定经MWA治疗后ICC患者OS的独立危险因素。在本研究中，对于RICC患者，肿瘤数量与PFS和OS没有显著相关性，这可能是由原发性ICC和RICC的肿瘤异质性所致。消融的疗效取决于完全消融率，而肿瘤直径决定了能否完全消融。对于直径＜3 cm的ICC，局部消融已经可以获得与二次手术相当的疗效[25]。但当肿瘤直径较大(＞5 cm)时，单独消融的疗效并不肯定[26]。本研究结果也提示了肿瘤直径＞5 cm时预后不良，这可能是未达到完全消融所致。另外，本研究中联合TACE与预后无显著相关性，分析原因可能是ICC多为乏血供肿瘤，传统的TACE治疗效果往往差强人意[27]。近年来，国内有相关研究报道采用直径较小(100~300 μm)的Calli Spheres载药微球治疗乏血供肝肿瘤能获得较好的疗效，其加载的多种化疗药物能持续有效杀伤肿瘤细胞[28]。这也为治疗肿瘤直径较大、乏血供的RICC提供了新的治疗思路。
系统性化疗能够通过杀灭残留肿瘤细胞以及微转移灶而改善患者的预后[29]，但目前指南中暂无关于RICC标准的化疗方案，往往借鉴于晚期ICC的化疗方案，包括吉西他滨、5-氟尿嘧啶、卡培他滨、替吉奥、奥沙利铂、顺铂等单药或联合治疗。基于BILCAP试验结论，卡培他滨被推荐作为ICC切除后的首选化疗药物[2]。一项多中心的临床试验[30]结果显示，术后接受吉西他滨联合顺铂化疗的ICC患者预后优于观察组的患者，另一项研究[31]指出吉西他滨联合奥沙利铂方案作为ICC术后辅助治疗并未显示出临床获益，然而对于术后淋巴结阳性和切缘阳性的高危患者仍然推荐术后化疗[32]。
本研究仍然存在局限性：首先，这是一项回顾性研究，样本量较少，存在选择性偏倚以及非随机性的缺点。其次，入组患者随访过程中存在再次肝内复发以及肝外转移的患者，后续采取的不同治疗方式对生存预后可能产生不同的影响。未来仍需要多中心前瞻性随机对照试验进行验证。
综上所述，本研究结果显示，与单独MWA相比，MWA+化疗可以改善RICC的预后，延长其PFS和OS，且副反应安全可控。肿瘤直径＞5 cm、复发时间＜1年、未联合全身化疗的患者预后不良。
-
[1] YOUNOSSI Z, ANSTEE QM, MARIETTI M, et al. Global burden of NAFLD and NASH: Trends, predictions, risk factors and prevention[J]. Nat Rev Gastroenterol Hepatol, 2018, 15(1): 11-20. DOI: 10.1038/nrgastro.2017.109. [2] ZHOU F, ZHOU J, WANG W, et al. Unexpected rapid increase in the burden of NAFLD in China from 2008 to 2018: A systematic review and meta-analysis[J]. Hepatology, 2019, 70(4): 1119-1133. DOI: 10.1002/hep.30702. [3] YOUNES R, BUGIANESI E. Should we undertake surveillance for HCC in patients with NAFLD?[J]. J Hepatol, 2018, 68(2): 326-334. DOI: 10.1016/j.jhep.2017.10.006. [4] BYRNE CD, TARGHER G. NAFLD: A multisystem disease[J]. J Hepatol, 2015, 62(1 Suppl): s47-s64. DOI: 10.1016/j.jhep.2014.12.012. [5] CARMODY RN, GERBER GK, LUEVANO JM Jr, et al. Diet dominates host genotype in shaping the murine gut microbiota[J]. Cell Host Microbe, 2015, 17(1): 72-84. DOI: 10.1016/j.chom.2014.11.010. [6] LIU JP, ZOU WL, CHEN SJ, et al. Effects of different diets on intestinal microbiota and nonalcoholic fatty liver disease development[J]. World J Gastroenterol, 2016, 22(32): 7353-7364. DOI: 10.3748/wjg.v22.i32.7353. [7] DAVID LA, MAURICE CF, CARMODY RN, et al. Diet rapidly and reproducibly alters the human gut microbiome[J]. Nature, 2014, 505(7484): 559-563. DOI: 10.1038/nature12820. [8] KIM H, WORSLEY O, YANG E, et al. Persistent changes in liver methylation and microbiome composition following reversal of diet-induced non-alcoholic-fatty liver disease[J]. Cell Mol Life Sci, 2019, 76(21): 4341-4354. DOI: 10.1007/s00018-019-03114-4. [9] ARUMUGAM M, RAES J, PELLETIER E, et al. Enterotypes of the human gut microbiome[J]. Nature, 2011, 473(7346): 174-180. DOI: 10.1038/nature09944. [10] COSTEA PI, HILDEBRAND F, ARUMUGAM M, et al. Enterotypes in the landscape of gut microbial community composition[J]. Nat Microbiol, 2018, 3(1): 8-16. DOI: 10.1038/s41564-017-0072-8. [11] MOUZAKI M, COMELLI EM, ARENDT BM, et al. Intestinal microbiota in patients with nonalcoholic fatty liver disease[J]. Hepatology, 2013, 58(1): 120-127. DOI: 10.1002/hep.26319. [12] BOURSIER J, MUELLER O, BARRET M, et al. The severity of nonalcoholic fatty liver disease is associated with gut dysbiosis and shift in the metabolic function of the gut microbiota[J]. Hepatology, 2016, 63(3): 764-775. DOI: 10.1002/hep.28356. [13] LOOMBA R, SEGURITAN V, LI W, et al. Gut microbiome-based metagenomic signature for non-invasive detection of advanced fibrosis in human nonalcoholic fatty liver disease[J]. Cell Metab, 2017, 25(5): 1054-1062.e5. DOI: 10.1016/j.cmet.2017.04.001. [14] VERDAM FJ, FUENTES S, DE JONGE C, et al. Human intestinal microbiota composition is associated with local and systemic inflammation in obesity[J]. Obesity (Silver Spring), 2013, 21(12): e607-e615. DOI: 10.1002/oby.20466. [15] de FILIPPO C, CAVALIERI D, di PAOLA M, et al. Impact of diet in shaping gut microbiota revealed by a comparative study in children from Europe and rural Africa[J]. Proc Natl Acad Sci U S A, 2010, 107(33): 14691-14696. DOI: 10.1073/pnas.1005963107. [16] JAIN A, LI XH, CHEN WN. Similarities and differences in gut microbiome composition correlate with dietary patterns of Indian and Chinese adults[J]. AMB Express, 2018, 8(1): 104. DOI: 10.1186/s13568-018-0632-1. [17] LIN A, BIK EM, COSTELLO EK, et al. Distinct distal gut microbiome diversity and composition in healthy children from Bangladesh and the United States[J]. PLoS One, 2013, 8(1): e53838. DOI: 10.1371/journal.pone.0053838. [18] KLIMENKO NS, TYAKHT AV, POPENKO AS, et al. Microbiome responses to an uncontrolled short-term diet intervention in the frame of the citizen science project[J]. Nutrients, 2018, 10(5): 576. DOI: 10.3390/nu10050576. [19] WU GD, CHEN J, HOFFMANN C, et al. Linking long-term dietary patterns with gut microbial enterotypes[J]. Science, 2011, 334(6052): 105-108. DOI: 10.1126/science.1208344. [20] SHANKAR V, GOUDA M, MONCIVAIZ J, et al. Differences in gut metabolites and microbial composition and functions between Egyptian and U.S. children are consistent with their diets[J]. mSystems, 2017, 2(1): e00169-16. DOI: 10.1128/mSystems.00169-16. [21] NEWGARD CB. Interplay between lipids and branched-chain amino acids in development of insulin resistance[J]. Cell Metab, 2012, 15(5): 606-614. DOI: 10.1016/j.cmet.2012.01.024. [22] BOURSIER J, MUELLER O, BARRET M, et al. The severity of nonalcoholic fatty liver disease is associated with gut dysbiosis and shift in the metabolic function of the gut microbiota[J]. Hepatology, 2016, 63(3): 764-775. DOI: 10.1002/hep.28356. [23] YATSUNENKO T, REY FE, MANARY MJ, et al. Human gut microbiome viewed across age and geography[J]. Nature, 2012, 486(7402): 222-227. DOI: 10.1038/nature11053. [24] OU J, CARBONERO F, ZOETENDAL EG, et al. Diet, microbiota, and microbial metabolites in colon cancer risk in rural Africans and African Americans[J]. Am J Clin Nutr, 2013, 98(1): 111-120. DOI: 10.3945/ajcn.112.056689. [25] RUENGSOMWONG S, LA-ONGKHAM O, JIANG J, et al. Microbial community of healthy thai vegetarians and non-vegetarians, their core gut microbiota, and pathogen risk[J]. J Microbiol Biotechnol, 2016, 26(10): 1723-1735. DOI: 10.4014/jmb.1603.03057. [26] MATIJAŠI C ' BB, OBERMAJER T, LIPOGLAVŠEK L, et al. Association of dietary type with fecal microbiota in vegetarians and omnivores in Slovenia[J]. Eur J Nutr, 2014, 53(4): 1051-1064. DOI: 10.1007/s00394-013-0607-6. [27] CHEN T, LONG W, ZHANG C, et al. Fiber-utilizing capacity varies in Prevotella- versus Bacteroides-dominated gut microbiota[J]. Sci Rep, 2017, 7(1): 2594. DOI: 10.1038/s41598-017-02995-4. [28] SCOTT KP, ANTOINE JM, MIDTVEDT T, et al. Manipulating the gut microbiota to maintain health and treat disease[J]. Microb Ecol Health Dis, 2015, 26: 25877. DOI: 10.3402/mehd.v26.25877. [29] CHRISTOPHERSON MR, DAWSON JA, STEVENSON DM, et al. Unique aspects of fiber degradation by the ruminal ethanologen Ruminococcus albus 7 revealed by physiological and transcriptomic analysis[J]. BMC Genomics, 2014, 15: 1066. DOI: 10.1186/1471-2164-15-1066. [30] MENNI C, LIN C, CECELJA M, et al. Gut microbial diversity is associated with lower arterial stiffness in women[J]. Eur Heart J, 2018, 39(25): 2390-2397. DOI: 10.1093/eurheartj/ehy226. [31] O'SULLIVAN A, HE X, MCNIVEN EM, et al. Early diet impacts infant rhesus gut microbiome, immunity, and metabolism[J]. J Proteome Res, 2013, 12(6): 2833-2845. DOI: 10.1021/pr4001702. [32] TANG M, FRANK DN, TSHEFU A, et al. Different gut microbial profiles in Sub-Saharan African and South Asian women of childbearing age are primarily associated with dietary intakes[J]. Front Microbiol, 2019, 10: 1848. DOI: 10.3389/fmicb.2019.01848. [33] WHISNER CM, MALDONADO J, DENTE B, et al. Diet, physical activity and screen time but not body mass index are associated with the gut microbiome of a diverse cohort of college students living in university housing: A cross-sectional study[J]. BMC Microbiol, 2018, 18(1): 210. DOI: 10.1186/s12866-018-1362-x. [34] ISHⅡ C, NAKANISHI Y, MURAKAMI S, et al. A metabologenomic approach reveals changes in the intestinal environment of mice fed on American diet[J]. Int J Mol Sci, 2018, 19(12). DOI: 10.3390/ijms19124079. [35] MARTINEZ-MEDINA M, DENIZOT J, DREUX N, et al. Western diet induces dysbiosis with increased E coli in CEABAC10 mice, alters host barrier function favouring AIEC colonisation[J]. Gut, 2014, 63(1): 116-124. DOI: 10.1136/gutjnl-2012-304119. [36] SIMPSON HL, CAMPBELL BJ. Review article: Dietary fibre-microbiota interactions[J]. Aliment Pharmacol Ther, 2015, 42(2): 158-179. DOI: 10.1111/apt.13248. [37] MÉNDEZ-SALAZAR EO, ORTIZ-LÓPEZ MG, MLÁ G, et al. Altered gut microbiota and compositional changes in firmicutes and proteobacteria in mexican undernourished and obese children[J]. Front Microbiol, 2018, 9: 2494. DOI: 10.3389/fmicb.2018.02494. [38] NEGRONI A, COSTANZO M, VITALI R, et al. Characterization of adherent-invasive Escherichia coli isolated from pediatric patients with inflammatory bowel disease[J]. Inflamm Bowel Dis, 2012, 18(5): 913-924. DOI: 10.1002/ibd.21899. [39] JEONG MY, JANG HM, KIM DH. High-fat diet causes psychiatric disorders in mice by increasing Proteobacteria population[J]. Neurosci Lett, 2019, 698: 51-57. DOI: 10.1016/j.neulet.2019.01.006. [40] PALLOTTO MR, DE GODOY M, HOLSCHER HD, et al. Effects of weight loss with a moderate-protein, high-fiber diet on body composition, voluntary physical activity, and fecal microbiota of obese cats[J]. Am J Vet Res, 2018, 79(2): 181-190. DOI: 10.2460/ajvr.79.2.181. [41] TAKAHASHI S, ANZAWA D, TAKAMI K, et al. Effect of Bifidobacterium animalis ssp. lactis GCL2505 on visceral fat accumulation in healthy Japanese adults: A randomized controlled trial[J]. Biosci Microbiota Food Health, 2016, 35(4): 163-171. DOI: 10.12938/bmfh.2016-002. [42] ZINÖCKER MK, LINDSETH IA. The Western diet-microbiome-host interaction and its role in metabolic disease[J]. Nutrients, 2018, 10(3): 365. DOI: 10.3390/nu10030365. [43] ZIMMER J, LANGE B, FRICK JS, et al. A vegan or vegetarian diet substantially alters the human colonic faecal microbiota[J]. Eur J Clin Nutr, 2012, 66(1): 53-60. DOI: 10.1038/ejcn.2011.141. [44] WILLING BP, DICKSVED J, HALFVARSON J, et al. A pyrosequencing study in twins shows that gastrointestinal microbial profiles vary with inflammatory bowel disease phenotypes[J]. Gastroenterology, 2010, 139(6): 1844-1854.e1. DOI: 10.1053/j.gastro.2010.08.049. [45] GOMEZ-ARANGO LF, BARRETT HL, MCINTYRE HD, et al. Connections between the gut microbiome and metabolic hormones in early pregnancy in overweight and obese women[J]. Diabetes, 2016, 65(8): 2214-2223. DOI: 10.2337/db16-0278. [46] LAHTI L, SALONEN A, KEKKONEN RA, et al. Associations between the human intestinal microbiota, Lactobacillus rhamnosus GG and serum lipids indicated by integrated analysis of high-throughput profiling data[J]. PeerJ, 2013, 1: e32. DOI: 10.7717/peerj.32. [47] FROST F, STORCK LJ, KACPROWSKI T, et al. A structured weight loss program increases gut microbiota phylogenetic diversity and reduces levels of Collinsella in obese type 2 diabetics: A pilot study[J]. PLoS One, 2019, 14(7): e0219489. DOI: 10.1371/journal.pone.0219489. [48] OHASHI Y, FUJISAWA T. Analysis of Clostridium cluster XI bacteria in human feces[J]. Biosci Microbiota Food Health, 2019, 38(2): 65-68. DOI: 10.12938/bmfh.18-023. [49] YAMAGUCHI Y, ADACHI K, SUGIYAMA T, et al. Association of intestinal microbiota with metabolic markers and dietary habits in patients with type 2 diabetes[J]. Digestion, 2016, 94(2): 66-72. DOI: 10.1159/000447690. [50] HOLSCHER HD, GUETTERMAN HM, SWANSON KS, et al. Walnut consumption alters the gastrointestinal microbiota, microbially derived secondary bile acids, and health markers in healthy adults: A randomized controlled trial[J]. J Nutr, 2018, 148(6): 861-867. DOI: 10.1093/jn/nxy004. -
下载:
下载:
