人乳（HM）多组学共享模式连接乳腺功能状态与婴儿生长：跨三个队列及两项随机试验的非侵入性生物标志物研究

《SCIENCE》：Shared patterns of human milk composition link mammary gland function to infant growth

乳腺产生营养丰富的人乳（human milk，HM），但乳腺功能状态如何塑造HM组成和婴儿结局仍知之甚少。研究人员利用HM多组学——代谢组学（metabolomics）、蛋白质组学（proteomics）、微量营养素（micronutrients）、宏量营养素（macronutrients）和HM寡糖（human milk oligosaccharides，HMOs）——对来自三个队列（包括两项随机试验）的1,543份样本进行分析，作为乳腺功能状态的非侵入性读出。轨迹建模（trajectory modeling）和多组学整合显示，母体补充剂改善早期生长迟缓的恢复，并揭示了一个连接母体营养与婴儿生长的共享HM组成轴。机器学习（machine learning）结合基于人类蛋白质图谱（Human Protein Atlas，HPA）注释的蛋白质组学，识别出七种HM生物标志物（biomarkers），反映关键乳腺结构域的变异，指示乳汁合成、屏障完整性和免疫/修复活性。升高的戊酰肉碱（valerylcarnitine）和低泛酸（pantothenic acid）成为连接乳腺功能状态与婴儿生长的代谢信号。

该论文发表在《SCIENCE》。乳腺是高度特化器官，负责产生HM，支持婴儿生存、生长和发育。世界卫生组织建议约6个月纯母乳喂养，并持续母乳喂养至2年。尽管HM被视为“母体–乳汁–婴儿三位一体”中母体–婴儿健康的关键中介，但乳腺本身仍研究不足。已有研究提示，乳汁细胞、转录组、蛋白质组和代谢组等HM来源分子数据可作为观察乳腺生物学和泌乳生理的非侵入性窗口，但这些方法很少在多样人类队列中整合，以定义连接母体营养与婴儿生长的共享HM签名。环境因素，尤其母体营养，影响特定HM成分如乳脂，在营养不良环境中更明显。动物研究显示，母体营养状态改变可改变乳能量、蛋白质和微量营养素含量，并影响乳腺发育和基因表达程序，部分由乳腺对母体代谢变化的反应介导，例如能量耗竭和营养缺乏通过AMPK/mTORC1信号减少乳蛋白合成。高收入环境观点常认为母亲可动员体储缓冲乳成分，从而保护婴儿生长，但该结论主要基于营养良好人群的短期限制研究和宏量营养素分析；慢性营养不良和持续生理压力下，尤其微量营养素等成分的缓冲可能不完全。乳腺研究还过度集中于癌症，哺乳机制研究较少；连接人乳腺功能与婴儿生长的工作多集中于乳腺炎等明显炎症或感染状态。新证据提示，乳腺代谢和内分泌调节乳合成与分泌、免疫和上皮稳态，可在无明显感染时塑造乳成分。泌乳依赖多个整合稳态功能，包括乳合成和选择性血–乳屏障。研究人员将乳腺功能状态定义为三个相互关联程序：乳生物合成与分泌、选择性血–乳屏障功能、受调节免疫/修复反应；乳腺失调指持续偏离泌乳稳态，如生物合成输出降低、屏障通透性增加或持续炎症激活。基于此，研究人员分析IMiC Consortium三项研究中1,543份纵向HM样本，包括两项随机试验，以HM多组学识别连接母体营养、乳腺功能状态和婴儿生长的候选标志物。

关键技术方法（不超过250字）：样本队列来源为IMiC Consortium三项研究：MISAME III（布基纳法索，n=290；随机产后平衡能量–蛋白补充与铁–叶酸对照）、Mumta-LW（巴基斯坦卡拉奇，n=150；营养不良孕妇，随机BEP，部分婴儿接受阿奇霉素）和CHILD（加拿大，n=400；观察性出生队列）。采集纵向HM，开展靶向与非靶向LC-MS代谢组学、蛋白质组学、微量营养素、宏量营养素和HMOs分析。分析方法包括Joint-RPCA多模态降维、group-based trajectory modeling、XGBoost监督机器学习、SHAP特征选择、基于HPA注释的GSEA和超几何富集、MS²注释及MILQ参考百分位。

研究结果：
1）Integrating HM signals across diverse geographic contexts（整合不同地理背景下的HM信号）：分析三队列纵向HM，发现队列间HM谱差异明显，研究间差异大于研究内差异（P < 2.2 × 10^–16）；Mumta-LW队列内离散更大，MISAME呈类似但较弱模式。为适应采样时间异质性，研究人员采用计算策略，分析479种靶向和23,114种非靶向LC-MS代谢物、2,018种蛋白、23种微量营养素、21种HMOs和4种宏量营养素。
2）Maternal nutritional intervention influences infant growth via milk composition（母体营养干预通过乳成分影响婴儿生长）：轨迹建模将婴儿生长分为稳定、恢复、未恢复或扰动轨迹。母体营养不良、矮身材和出生季节是风险因素；产后BEP补充在MISAME增加恢复可能性（风险比2.32），在Mumta-LW增加轨迹稳定性（风险比1.24），阿奇霉素无显著关联。Joint-RPCA发现第一轴共享信号与母体营养和婴儿WAZ相关，得到203个独特特征。XGBoost模型可预测母体补充和婴儿生长，HM特征模型优于无HM特征的基线模型；104个非靶向MS²注释特征对WAZ预测较强。
3）A core set of human milk components may constitute a conserved signature of mammary gland functional state（核心人乳成分可能构成乳腺功能状态的保守签名）：交叉机器学习和Joint-RPCA得到23个可重复营养–生长特征；蛋白组富集显示18个在至少一个乳腺相关蛋白集中显著。严格标准筛选出6种代谢物：C5、赖氨酸（lysine）、硒（selenium）、6’-唾液酸乳糖（6’-sialyllactose，6’SL）、钾（potassium）和肌酐（creatinine），并优先保留C5、lysine、selenium和6’SL。扩展筛选又得到C2、C3、C4和钠（sodium）。最终候选面板为C2、C3、C4、C5、lysine、selenium和6’SL，并以sodium和Na:K比作为对照。
4）Functional analysis links candidate biomarkers to mammary synthesis, remodeling, and immune-response axes（功能分析将候选生物标志物与乳腺合成、重塑和免疫应答轴联系）：酰基肉碱显示最广泛跨域信号，C5尤其与ECM重塑和乳合成/分泌签名相关；lysine与乳营养合成降低相关，6’SL与免疫应答相关，selenium与腺体和重塑签名相关。sodium和Na:K主要与免疫应答相关，但无显著ECM分泌蛋白富集。七种候选标志物与sodium和Na:K正相关，提示屏障通透性共享变异；它们与总碳水化合物和β-酪蛋白负相关，与tenascin-C、IgA和calprotectin正相关。高酰基肉碱与低β-酪蛋白、低总碳水化合物和高总乳蛋白相关。
5）Pantothenic acid emerges as one nutritional route linking maternal nutrition, acylcarnitines, and mammary function（泛酸作为连接母体营养、酰基肉碱和乳腺功能的营养途径）：酰基肉碱代谢依赖acyl-CoA，而CoA由泛酸合成。泛酸与C5积累相关，并在机器学习中预测母体补充和婴儿生长。低HM泛酸在CHILD中<1%，在MISAME和Mumta-LW中分别有67.2%和55.1%女性至少一个时间点存在。严重泛酸缺乏伴随MISAME中C2–C5升高、Mumta-LW中C5升高。BEP补充降低多数B维生素严重缺乏风险，尤其泛酸；C5与BEP负相关。研究人员提出泛酸–CoA–C5轴模型：泛酸不足降低CoA，限制acyl-CoA形成和β-氧化，导致C5积累，并影响乳合成/分泌和炎症张力；mTOR/AMPK经CPT1提供调控轴。

讨论部分总结：研究人员以HM多组学作为非侵入性窗口，连接母体营养、乳腺功能状态、乳成分和婴儿生长。七种候选标志物较sodium和Na:K捕获更广乳腺生物学，包括代谢和ECM调控；C5为中心标志物，低泛酸为候选上游营养因素。C5升高可能反映受慢性应激如营养不良、炎症或持续免疫激活影响的母体–乳腺代谢状态；乳腺可能将资源从乳合成转向细胞维持和修复，增加葡萄糖利用和脂解，减少乳蛋白和乳糖。长期营养不良、慢性感染或炎症限制母体代谢储备，减少维持足够乳合成和分泌的能力，尤其当TCA循环和/或β-氧化因泛酸不足受损时。低泛酸在LMIC中可能被忽视，妊娠和哺乳期需求增加。研究不支持母亲可完全缓冲HM组成的观点，并提示需进一步研究肥胖、妊娠糖尿病等情境及产前补充对腺发育和乳营养组成的影响。临床和公共卫生上，短链酰基肉碱、泛酸和相关代谢标志物可作为母体–乳腺代谢状态指标，支持LMIC母体营养干预，维护乳腺产生营养丰富乳汁和足够乳量的能力，促进婴儿生长。结论翻译：总之，研究人员在多个地理背景下识别出趋同的HM信号，连接母体营养干预、酰基肉碱代谢、乳腺功能特征和婴儿生长。其中，C5成为中枢酰基肉碱生物标志物，泛酸成为可能可修正的营养轴，可能促成酰基肉碱积累和乳腺代谢改变。这些发现提名泛酸–CoA–C5轴作为母体营养可能影响乳腺功能状态和婴儿生长的合理途径之一。