粪便代谢组作为习惯性饮食的读数揭示饮食与肠道微生物组的相互作用

《Nature Communications》：Faecal metabolites as a readout of habitual diet capture dietary interactions with the gut microbiome

本研究针对饮食与肠道微生物组相互作用的复杂性，通过整合2647名参与者的粪便代谢组学、宏基因组学和习惯性饮食数据，利用机器学习模型发现粪便代谢物能准确预测20种食物组摄入量和7种饮食模式依从性（AUC>0.80）。研究鉴定出414个饮食-代谢物关联，揭示粪便代谢物可捕获饮食与微生物组的介导关系，为理解饮食相关疾病风险和基于代谢物的干预提供了新视角。

　　

饮食与肠道微生物组的相互作用一直是营养学和微生物学研究的热点领域。尽管已知饮食模式对肠道菌群组成有重要影响，但具体饮食成分与微生物种类之间的特异性相互作用仍难以捉摸。传统的饮食评估方法如食物频率问卷（FFQ）存在回忆偏差，而血液代谢物虽能反映饮食暴露，但与肠道微生物组的直接关联较弱。粪便代谢组作为饮食和微生物代谢的最终产物，可能更直接地反映这一相互作用界面。

在这项发表于《Nature Communications》的研究中，研究人员整合了来自TwinsUK队列的1810名参与者和ZOE PRICT1队列的837名参与者的多组学数据，包括粪便代谢组学、宏基因组学和习惯性饮食数据。通过机器学习模型和多元统计分析，他们系统评估了粪便代谢物在预测饮食模式、揭示饮食-微生物组相互作用方面的价值。

研究采用的主要技术方法包括：超高效液相色谱-串联质谱（UHPLC-MS/MS）进行非靶向代谢组学分析；宏基因组测序和MetaPhlAn4进行物种水平微生物组成分析；随机森林（RF）机器学习模型进行饮食模式和疾病风险预测；线性混合效应回归（LMER）进行代谢物-饮食-微生物关联分析；固定效应荟萃分析验证跨队列一致性；介导分析探索饮食-代谢物-微生物三者间的潜在因果关系。

粪便代谢物稳健预测饮食质量和组成

研究人员首先使用随机森林模型评估粪便代谢物对七种先验饮食指数依从性的预测能力。结果显示，粪便代谢物模型能稳健预测饮食指数，所有指数的AUC评分均>0.70。其中DASH饮食评分（AUC=0.83）、总肉类百分比（AUC=0.81）和健康植物性饮食指数（hPDI）（AUC=0.80）预测能力最强。值得注意的是，粪便代谢物模型对10年动脉粥样硬化性心血管疾病（ASCVD）风险的预测能力（AUC=0.86）显著优于DASH饮食评分（AUC=0.66）。

54种粪便代谢物的靶向组合反映饮食模式

通过递归特征消除（RFE）分析，研究人员确定了一个由54种独特代谢物组成的靶向组合，这些代谢物能够维持对饮食模式和食物组摄入量的准确预测。该组合包括外源性物质（25.9%）、脂质（24.1%）、未表征代谢物（20.4%）、辅因子和维生素（14.8%）、氨基酸（7.4%）、能量代谢物（5.6%）和部分表征代谢物（1.9%）。

粪便代谢组与习惯性饮食高度相关

通过线性混合效应回归模型和固定效应荟萃分析，研究人员确定了414个显著关联，涉及19种食物组和211种表征粪便代谢物。这些关联中，222个呈正相关，涉及18种食物组和143种代谢物。代谢通路富集分析显示，与食物组相关的代谢物集合富集的代谢通路与其营养特征一致。

饮食模式影响微生物物种多样性

研究发现55种饮食相关粪便代谢物与肠道微生物组α-多样性相关。富含纤维食物组相关的代谢物（如十八烷二酸、3-羟基油酸*和微生物来源的肠内酯）与更高的α-多样性相关，而与肉类消费增加相关的次级胆汁酸和胆固醇代谢物则与α-多样性降低相关。PERMANOVA分析显示，87种常见代谢物解释了个体间24.9%的β-多样性差异。

介导分析优先考虑肠道环境的潜在饮食介导物

研究人员观察到饮食相关粪便代谢物与微生物物种之间的关联显著强于饮食与微生物物种之间的直接关联。通过介导分析，他们发现Dorea菌种在肉类消费对次级胆汁酸（石胆酸和异羟去氧胆酸）水平的影晌中起介导作用，而胆固醇硫酸酯在肉类摄入对Ruminococcus torques丰度的影响中起介导作用。此外，坚果和种子消费相关的myo-肌醇可能影响Faecalibacterium SGB15346的丰度。

粪便代谢组学弥合饮食与肠道微生物组之间的差距

与血清代谢物相比，饮食相关粪便代谢物与肠道微生物物种的关联显著更强。例如，咖啡消费相关的粪便代谢物（咖啡因代谢物和奎尼酸）与Lawsonibacter asaccharolyticus和Massilioclostridium coli的丰度相关，而全谷物消费相关的代谢物（2,6-二羟基苯甲酸和2-氨基苯酚）与Faecalibacterium prausnitzii的丰度相关。这些关联在仅使用饮食回忆数据时无法检测到，突出了粪便代谢物分析在揭示饮食-微生物组相互作用方面的敏感性。

这项研究通过大规模多组学数据整合，证实粪便代谢物是研究饮食与肠道微生物组复杂关系的强大工具。研究不仅揭示了粪便代谢物对饮食模式和疾病风险的预测价值，还鉴定出特定的代谢物-微生物关联，为理解饮食通过肠道微生物影响健康的机制提供了新见解。研究成果为开发基于代谢物的个性化营养干预策略奠定了理论基础，对预防和管理饮食相关慢性疾病具有重要意义。研究人员建立的在线数据库将为后续研究提供宝贵资源，促进对饮食-微生物组-健康关系的深入探索。