《Journal of Neurochemistry》：Effect of Prenatal and Postnatal Stress in Rats on the Gut Microbiome in Adolescence
编辑推荐：
先前研究表明，早期生活应激（ELS）会增加后期生活中精神健康障碍的风险。假设ELS会破坏发育中的肠道微生物组，进而可能改变神经内分泌和免疫系统发育，从而增加疾病易感性。然而，介导这些效应的特定微生物类群和通路仍未被充分表征。在此，研究人员使用大鼠模型研究ELS
先前研究表明，早期生活应激（ELS）会增加后期生活中精神健康障碍的风险。假设ELS会破坏发育中的肠道微生物组，进而可能改变神经内分泌和免疫系统发育，从而增加疾病易感性。然而，介导这些效应的特定微生物类群和通路仍未被充分表征。在此，研究人员使用大鼠模型研究ELS是否会导致肠道微生物组的长期改变。通过从暴露于以下条件的青春期雄性和雌性大鼠粪便颗粒中提取DNA进行16S rRNA纳米孔（Nanopore）测序评估微生物组成：（i）出生后早期地塞米松（DEXA；一种合成糖皮质激素）或生理盐水对照，（ii）产前应激（PRS）及对照，或（iii）产后应激（POS）及对照。使用丰富度、均匀度、优势度和多样性指数评估微生物组结构。研究人员发现，ELS诱导模型特异性和性别依赖性的肠道微生物组组成变化，主要发生在整体群落结构水平而非单个类群。DEXA暴露产生最一致的组成特征，尤其在雄性中，而PRS显示最小的可检测效应，POS则表现出更异质性的反应，其特征为离散度增加和有限的分类学变化。更广泛地说，这些发现表明，将β多样性（beta-diversity）分析与机器学习方法相结合，可以在没有大的分类学变化的情况下识别与ELS相关的可重复微生物组模式。在更大规模和纵向队列中应用类似框架对于确定这些微妙的微生物特征如何影响长期生理结果至关重要。
**论文解读：早期生活应激对青春期大鼠肠道微生物组的影响——模型特异性与性别依赖性群落重构**
**1. 研究背景与问题**
肠道微生物组是一个由约100万亿微生物组成的复杂群落，其中超过80%属于厚壁菌门（Firmicutes）和拟杆菌门（Bacteroidetes），并在宿主代谢、免疫调节及肠道屏障完整性中发挥关键作用。早期生活应激（ELS）被认为会增加后期精神健康障碍的风险，其潜在机制之一是通过破坏发育中的肠道微生物组，进而影响神经内分泌和免疫系统发育。然而，不同ELS模型（如产前应激、产后应激、糖皮质激素暴露）是否引起一致的微生物组变化，或这些变化是否具有模型特异性和性别依赖性，尚不清楚。现有研究在方法上存在差异，且缺乏使用全长16S rRNA纳米孔（Nanopore）测序进行深入分析的工作。因此，本研究旨在系统评估三种常用啮齿动物ELS模型（产前束缚应激PRS、产后限制垫料和筑巢应激POS、地塞米松DEXA暴露）对青春期大鼠肠道微生物组的影响，并探索性别作为调节因子的作用。
**2. 研究内容与结论**
研究人员使用Wistar大鼠（购自英国Charles River Laboratories）建立了三种ELS模型（PRS、POS、DEXA），在青春期（出生后第35-40天）收集粪便样本，通过16S rRNA全长纳米孔测序（Oxford Nanopore Technologies）进行微生物组分析。采用α多样性（观察属丰富度、香农指数、辛普森指数）、β多样性（基于中心对数比CLR变换的Aitchison距离、PERMANOVA、PERMDISP）、差异丰度分析（Wilcoxon秩和检验、Kruskal-Wallis检验、ALDEx2框架）以及随机森林（Random Forest）机器学习方法，综合评估微生物组组成的变化。主要结论如下：ELS诱导的微生物组改变是模型特异性和性别依赖性的，且主要体现为整体群落结构（β多样性）的协调性重构，而非单个类群的大幅丰度变化；DEXA暴露在雄性大鼠中产生最显著的组成性信号，PRS几乎无检测效应，POS则表现出异质性反应（离散度增加，并伴有有限分类学变化）；将β多样性与机器学习结合可识别与ELS相关的可重复微生物组模式。该论文发表在《Journal of Neurochemistry》。
**3. 主要关键技术方法（不超过250字）**
本研究使用三种ELS模型：产前束缚应激（PRS；妊娠第14-21天，每日三次45分钟束缚），产后限制垫料和筑巢应激（POS；出生后第2-9天，使用金属网平台和少量垫料），以及出生后地塞米松（DEXA）注射（出生后第7天，0.5或1 mg/kg皮下注射）。样本来源为Wistar大鼠（Charles River Laboratories, UK），在青春期（PD35-40）收集粪便颗粒。微生物DNA提取采用Norgen Biotek试剂盒，通过Oxford Nanopore Technologies GridION平台进行全长16S rRNA测序（V1-V9区域），使用SILVA 138.1数据库进行物种分类。数据分析采用R和Python，包括α多样性（vegan/phyloseq包）、基于CLR变换的Aitchison距离的β多样性（PERMANOVA/PERMDISP）、差异丰度分析（Wilcoxon/Kruskal-Wallis/ALDEx2）以及随机森林机器学习分类。
**4. 研究结果**
**3.1 微生物组测序与分类学分析**
通过对84个样本的全长16S测序，获得了132个细菌属的高质量分类学图谱。所有ELS模型（PRS、POS、DEXA）的总体微生物组结构相似，以小鼠肠道常见菌属为主。测序深度敏感性分析表明多样性指标稳定。皮质酮（Corticosterone）分析显示，POS应激大鼠（雄性和雌性）皮质酮水平升高，PRS组无差异。
**3.2 队列间微生物组结构**
α多样性在三个队列间存在适度差异（PRS最高），但组内变异性大。β多样性分析显示队列间显著分离（PERMANOVA R2=0.182, p=0.001），DEXA与PRS和POS明显分开，且PERMDISP显著（p=0.014），表明离散度差异也起作用。因此，后续分析均在队列内进行，以控制队列间差异。
**3.3 DEXA诱导性别特异性群落组成变化**
DEXA处理在α多样性上无显著差异。β多样性显示，在总体队列水平存在趋势性差异（PERMANOVA R2=0.177, p=0.065），但按性别分层后，雄性大鼠表现出显著的处理效应（PERMANOVA R2=0.204, p=0.037），而雌性无效应（R2=0.157, p=0.717）。PERMDISP均不显著，说明差异源于群落中心位置移动而非离散度。驱动β多样性的主要属包括Robinsoniella、Anaerotruncus、Sporobacter等，提示DEXA引起协调性多变量变化。
**3.4 PRS几乎未造成可检测的组成性破坏**
PRS模型在α多样性（观察属、香农、辛普森指数）和β多样性（整体及性别分层）均无显著处理效应（PERMANOVA：R2=0.111, p=0.898）。尽管识别出与β多样性结构相关的属，但未得到全局差异支持，说明PRS效应极微弱或不存在于青春期时间点。
**3.5 POS表现出适度但可检测的组成性重构**
POS模型在α多样性上无一致方向性变化。β多样性在总体队列水平呈趋势性差异（PERMANOVA R2=0.176, p=0.062），分层后雌性大鼠显示近显著趋势（PERMANOVA R2=0.151, p=0.066）且PERMDISP显著（p=0.014），表明雌性组内离散度增加。雄性无显著效应。稀化分析后雌性效应减弱，提示这些差异较微弱。
**3.6 群落水平差异并非由单个类群的大幅变化驱动**
差异丰度分析显示，所有模型效应量均较小。在DEXA和PRS中，FDR校正后无显著属；在POS中，Parabacteroides（增加）和Tyzzerella（减少）保持显著（FDR=0.047）。ALDEx2分析确认了相同结果，表明POS有特定分类学变化，但总体效应仍以协调性变化为主。
**3.7 机器学习揭示跨队列微生物特征与性别依赖性效应**
随机森林分类在合并数据集中表现中等，性别分层后改善。将PRS和POS样本投射到DEXA训练模型上，显示部分对齐，表明存在跨模型的共享微生物特征。特征重要性分析识别出与β多样性驱动属重叠的属（如Robinsoniella、Anaerotruncus），进一步支持群落重构的生态学轴。
**5. 讨论与结论总结**
**讨论部分**：研究指出，ELS诱导的微生物组改变是微妙的、模型依赖性的，主要体现为群落结构协调性变化而非经典菌群失调。多变量分析与单变量分析的差异表明，ELS效应是分布式生态重构。DEXA通过糖皮质激素受体信号、免疫调节和肠道屏障功能间接影响微生物组，并在雄性中更显著，可能与性别激素-微生物互作有关。PRS效应极小，可能因产前应激主要通过宿主发育途径介导，对青春期微生物组影响有限。POS表现出异质性，可能与母性行为差异导致的下游效应分散有关，并发现特定菌属（Parabacteroides、Tyzzerella）变化。性别是重要调节因子，但效应因模型而异。β多样性驱动属与机器学习特征的重叠表明微生物组反应沿可复现的生态轴组织。局限性包括样本量较小、单时间点、未测量母性行为、未测序阴性对照等。
**结论部分**：总结而言，本研究证明ELS诱导模型特异性和性别依赖性的肠道微生物组组成变化，主要反映在群落结构水平而非单个类群。DEXA暴露产生最一致的组成信号，尤其在雄性中；PRS显示最小可检测效应；POS表现出更异质性反应，其特征为离散度增加和有限分类学变化。更广泛地说，这些发现表明，将β多样性与机器学习方法相结合可以揭示与ELS相关的可重复微生物组“状态”，即使在缺乏大的分类学变化时也是如此。在更大规模和纵向队列中应用类似框架对于确定这些微妙的微生物特征如何影响长期生理结果至关重要。
