肠道菌群代谢化合物在肿瘤免疫研究中的应用 - MedChemExpress


肠道菌群代谢物,顾名思义,由肠道菌群代谢产生。肠道菌群与宿主的相互作用往往通过肠道菌群代谢物来实现。
就目前已经鉴定出的肠道微生物群代谢物来说,根据其来源和合成情况,可大致分为三组[1]:
(1)肠道细菌从膳食成分中产生的代谢物;
(2)由宿主产生并经肠道细菌修饰的代谢物;
(3)肠道细菌重新合成的代谢物。

图 1. 肠道微生物群衍生代谢物的产生[1]。

  膳食产生的代谢物
 

“民以食为天”,食物由口进入胃肠道,未消化的碳水化合物通过肠道微生物群发酵成短链脂肪酸(SCFAs)。

SCFAs 是肠道厌氧菌发酵的主要代谢产物[2],可为不同的组织提供能量,还可调节细胞增殖和分化、激素分泌以及免疫/炎症反应的激活等。如丙酸和丁酸可抑制刺激诱导的粘附分子表达、趋化因子产生,从而抑制单核细胞/巨噬细胞和中性粒细胞募集,具有抗炎作用[2]。

图 2. SCFA 对宿主机能的影响[3]。 

 
膳食中蛋白质的降解会导致色氨酸的释放,色氨酸可被肠道微生物转化为各种分解代谢物。其中吲哚 (Indole)、IPA 和吲哚丙烯酸 (Indoleacrylic acid, IA) 可通过降低肠道通透性来影响粘膜稳态; 吲哚还可诱导肠内分泌 L 细胞释放 GLP-1ILAIAA 、Skatole 等作用于肠道免疫细胞中的 AHR,从而以配体特异性方式改变先天性和适应性免疫反应; Tryptamine 通过诱导释放 5-HT 刺激胃肠蠕动。

此外,色氨酸分解代谢物可通过肠上皮吸收并进入血液,其中一些(如 IPA、IE、IA)具有抗氧化和抗炎作用,而硫酸吲哚酚 (IS) 在高浓度下具有细胞毒性作用[4]。

图 3. 微生物色氨酸分解代谢物对宿主生理的作用机制[3]。

而动物性食品中的肉碱、胆碱类化合物可被肠道菌群代谢为三甲胺,随后进入肝脏被黄素单加氧酶氧化产生 TMAO (Trimethylamine-N-oxide, TMAO)[5]。TMAO 是许多慢性疾病的候选危险因素[6]。

 
  修饰宿主产生的代谢物

进餐后,十二指肠刺激胆囊收缩,这时肝细胞中合成储存的初级 BAs 将排入肠道。在肠腔中,初级 BAs 可以溶解脂质,包括胆固醇和脂溶性维生素。95% 左右的初级 BAs 会经 ASBT 主动重吸收回到肝脏。

一小部分初级 BAs 逃逸并到达结肠,肠道微生物群可将初级 BAs 转化为次级 BAs,这一过程涉及三大类细菌酶,主要的结构修饰包括解共轭、羟基的差向异构化以及去结合和脱羟基等,从而导致 BAs 库多样化,并影响 BAs 信号传导[7]。

图 4. 肝脏 BA 合成、肠肝循环和体内微生物 BA 修饰[7]。

BA: bile acid; CA: cholic acid; CDCA: chenodeoxycholic acid; DCA: deoxycholic acid; UDCA: ursodeoxycholic acid; LCA : lithocholic acid; TCA: taurocholic acid; GCA: glycocholic acid; C: cholesterol; BSEP : bile salt-export pump; NTCP: Na+-taurocholic acid co-transporting polypeptide; ASBT : apical sodium-dependent BA transporter; Ostα/β: organic solute transporter α/β; BSH: bile salt hydrolases; HSDH : hydroxysteroid dehydrogenase; bai : BA inducible genes.


  自身合成的代谢物

肠道菌群自身也可合成代谢物如 (1) 支链氨基酸 (Branched-chain Amino Acid, BCAA),可促进蛋白质合成并提供能量。(2) 多胺,能够与蛋白质、核酸类物质结合,调节细胞生长。(3) 维生素,在结肠被进一步利用[1]。这 3 类肠道菌群自身合成的物质,人体通过饮食也可获得。

  肠道菌群代谢物与肿瘤免疫

研究表明,70% 的免疫细胞生活在肠道中,肠道微生物群衍生的代谢物持续调节局部和全身的免疫细胞[1]。例如,增加肠道丁酸含量可促进 ILCs 和 CD4+ T 细胞产生 IL-22[8]。色氨酸代谢物 IE 等可显著抑制 NF-κB、IL-10R 表达[9]。以及石胆酸可降低 IL-1β、TNF-α、caspase-1 和 IL-22 的水平等[10]。

图 5. 肠道微生物群衍生的代谢物调节宿主免疫反应[1]。

 (A) 肠道微生物群衍生的代谢物对 B 细胞、巨噬细胞和树突状细胞的影响; (B) 肠道微生物群衍生的代谢物对 T 细胞的影响。


而肿瘤免疫向来联系密切,一些微生物代谢物可通过塑造宿主免疫力来调节化疗和免疫治疗的抗肿瘤功效,进而影响癌症的发展。

清华大学医学院免疫所郭晓欢课题组发现肠道菌群通过其代谢产物短链脂肪酸丁酸,提高 CD8+ T 细胞中 ID2 的表达,增强 CD8+ T 细胞的抗肿瘤免疫应答,从而改善抗肿瘤治疗的效果[11]。

图 6. 肠道微生物代谢物通过调节细胞毒性 CD8+ T 细胞免疫促进抗癌治疗效果[11]。 

Maik Luu 等人将 B16OVA 黑色素瘤细胞皮下注射到 CD45.2+ 小鼠体内,发现戊酸和丁酸通过代谢和表观遗传重编程增强细胞毒性 T 淋巴细胞 (Cytotoxic T-Lymphocyte, CTL) 的抗肿瘤活性[12]。此外,色氨酸代谢物—吲哚乙酸也可提高胰腺导管腺癌小鼠的化疗效果[13]。
 

本期小 M 为大家介绍了最近几年国自然研究较多的肠道菌群代谢物,其分类组成以及与肿瘤免疫的关联性。希望能让大家对肠道菌群代谢物有基础性的认识,有需要的小伙伴也可以点赞收藏喔~


肠道菌群代谢化合物库
为了满足对肠道微生物的研究需求,MCE 精心挑选了 227 个肠道微生物代谢物。MCE 肠道微生物代谢物库将有助于肠道微生物研究及相关药物开发。
Hyodeoxycholic acid
Hyodeoxycholic acid 是有肠道菌群在小肠中形成的次级胆汁酸,为 TGR5 (GPCR19) 的激动剂,在 CHO 细胞中,EC50 值为 31.6 µM。
Xylose
D-(+)-木糖 (Xylose) 是一种天然化合物,经木糖异构酶催化形成木酮糖,这是木糖无氧乙醇发酵的关键步骤。 
Antrodin A
Antrodin A 是固态发酵樟脑菌菌丝体的主要活性成分之一。Antrodin A 通过提高肝脏的抗氧化和抗炎能力,维持肠道菌群的稳定性,保护肝脏免受酒精损伤。 
Dihydroferulic acid
Dihydroferulic acid (Hydroferulic acid) 是姜黄素的主要代谢产物之一,具有抗氧化/清除自由基的活性,IC50 值为 19.5 μM。Dihydroferulic acid 是人类肠道菌群的代谢产物,也是香草酸的前体物质。


 


 


 


[1]  Yang W, et al. Gut microbiota-derived metabolites in the regulation of host immune responses and immune-related inflammatory diseases. Cell Mol Immunol. 2021;18(4):866-877.
 
[2] Vinolo MA, et al. Regulation of inflammation by short chain fatty acids. Nutrients. 2011;3(10):858-76.
 
[3] Martin-Gallausiaux C, et al. SCFA: mechanisms and functional importance in the gut. Proc Nutr Soc. 2021;80(1):37-49.
 
[4] Roager HM, et al. Microbial tryptophan catabolites in health and disease. Nat Commun. 2018;9(1):3294.
 
[5]  Yang W, et al. Gut microbiota-derived metabolites in the regulation of host immune responses and immune-related inflammatory diseases. Cell Mol Immunol. 2021;18(4):866-877.
 
[6]  Li X, et al. Trimethylamine-N-Oxide Pathway: A Potential Target for the Treatment of MAFLD. Front Mol Biosci. 2021;8:733507.
 
[7]  Yntema T, et al. Emerging Roles of Gut Microbial Modulation of Bile Acid Composition in the Etiology of Cardiovascular Diseases. Nutrients. 2023;15(8):1850.
 
[8]  Yang W, et al. Intestinal microbiota-derived short-chain fatty acids regulation of immune cell IL-22 production and gut immunity. Nat Commun. 2020;11(1):4457.
 
[9]  Scott SA, et al. Microbial tryptophan metabolites regulate gut barrier function via the aryl hydrocarbon receptor. Proc Natl Acad Sci U S A. 2020;117(32):19376-19387.
 
[10]  Shao J, et al. Synergistic anti-inflammatory effect of gut microbiota and lithocholic acid on liver fibrosis. Inflamm Res. 2022;71(10-11):1389-1401.
 
[11]  He Y, et al. Gut microbial metabolites facilitate anticancer therapy efficacy by modulating cytotoxic CD8+ T cell immunity. Cell Metab. 2021 May 4;33(5):988-1000.e7.
 
[12]  Luu M, et al. Microbial short-chain fatty acids modulate CD8+ T cell responses and improve adoptive immunotherapy for cancer. Nat Commun. 2021;12(1):4077.
 
[13]  Tintelnot J, et al. Microbiota-derived 3-IAA influences chemotherapy efficacy in pancreatic cancer. Nature. 2023;615(7950):168-174.

  • 25
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 很高兴回答你的问题。gLV模型是一个基于概率图模型的一种机器学习方法,可以用于肠道菌群分析。它可以帮助我们准确预测菌群变化,并快速估计菌群数量。在使用gLV模型进行肠道菌群分析时,可以使用Python、R、Java等编程语言的代码,以及gLV模型的库。 ### 回答2: gLV(generalized Lotka-Volterra)模型是一种常用的数学模型,可以用于描述不同物种在生态系统的相互作用关系。在肠道菌群分析,gLV模型可以用来模拟不同菌群之间的竞争、合作、共生等相互作用,进而研究菌群的相对丰度和组成的变化。 在进行肠道菌群分析的gLV模型的代码使用,可以按照以下步骤进行: 1.准备数据:收集和整理所需的实验数据,包括不同菌群的相对丰度数据以及它们之间的相互作用信息。 2.建立模型:根据实际情况和需求,选择合适的gLV模型进行建模。可以使用Python编程语言的相关库,如NumPy、SciPy等进行模型的建立。 3.参数估计:根据实验数据,使用最优化算法估计模型的参数。可以使用Python的优化库,如scipy.optimize的minimize函数来进行参数优化。 4.模型求解:使用数值求解方法,如欧拉法或Runge-Kutta方法,对建立的gLV模型进行数值求解。可以使用Python的数值计算库,如SciPy的odeint函数进行模型的求解。 5.模拟和分析:根据求解得到的模型结果,进行模拟和分析。可以使用Python的数据可视化库,如Matplotlib进行结果的可视化,以便更直观地观察不同菌群的动态变化和相互作用。 总之,gLV模型在肠道菌群分析的代码使用主要包括数据准备、模型建立、参数估计、模型求解和模拟分析等步骤。通过这些步骤,可以对肠道菌群在不同环境条件下的动态变化和相互作用进行建模和研究,为了解肠道菌群与人体健康之间的关系提供支持和指导。 ### 回答3: gLV模型(Generalized Lotka-Volterra model)是一种用于描述生态系统物种相互作用的数学模型。在肠道菌群分析,gLV模型可以用于研究不同菌群之间的相互作用及其稳定性。 在进行肠道菌群分析时,可以采用如下步骤进行gLV模型的代码使用: 第一步:数据准备 首先,需要准备菌群的丰度矩阵数据。这些数据可以通过高通量测序技术获取。矩阵的每一列代表不同的菌群,每一行代表一个样本。 第二步:数据预处理 对于原始的丰度矩阵数据,需要进行预处理,包括数据归一化、异常值处理等。常用的预处理方法有均一化、对数转换等。 第三步:构建gLV模型 利用处理后的丰度矩阵数据,可以构建gLV模型。在gLV模型菌群的相对增长速率受到其他菌群的影响,通常可以表示为一个线性方程组。可以使用线性代数和微分方程的相关数学知识来构建该方程组,并使用相关的库或软件实现。 第四步:模型求解与分析 通过数值计算方法,求解gLV模型,得到菌群相对丰度的演化过程。可以使用常见的数值计算工具,如Python的NumPy、SciPy库等,在计算平衡态和非平衡态的菌群相对丰度时,可能需要使用迭代方法或数值优化算法。 第五步:结果解释与可视化 根据模型求解的结果,可以对菌群相互作用关系进行解释和分析。可以根据结果绘制相互作用网络图、稳定性分析图等,以直观地展示不同菌群之间的相互作用关系。 总之,gLV模型在肠道菌群分析的代码使用主要包括数据准备、数据预处理、构建模型、模型求解与分析、结果解释与可视化等步骤。通过这些步骤,可以研究菌群间相互作用的影响以及稳定性,从而深入了解肠道菌群的功能与调控机制。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值