《Frontiers in Endocrinology》：Gut microbiome–metabolome signatures of osteosarcopenia in fracture patients in China
编辑推荐：
背景：肌少性骨质疏松症（osteosarcopenia）被定义为低骨量（low bone mass）与肌少症（sarcopenia）共存的一种致残性肌肉骨骼疾病，但其在临床人群中的肠道微生物及代谢特征尚未完全阐明。整合性多组学方法可能有助于阐明与该疾病相关的物
背景：肌少性骨质疏松症（osteosarcopenia）被定义为低骨量（low bone mass）与肌少症（sarcopenia）共存的一种致残性肌肉骨骼疾病，但其在临床人群中的肠道微生物及代谢特征尚未完全阐明。整合性多组学方法可能有助于阐明与该疾病相关的物种-代谢物网络，尤其是在骨折患者中。
方法：在这项单中心、前瞻性横断面研究中，研究人员将69名年龄≥50岁的骨折患者分为四种表型：正常（Normal，n=18）、单纯低骨量（Bone，n=18）、单纯肌少症（Muscle，n=19）和肌少性骨质疏松症（Both，n=14）。研究人员对粪便样本进行了鸟枪法宏基因组测序（shotgun metagenomics）和非靶向代谢组学（untargeted metabolomics）分析，获得52名参与者的配对多组学数据。
结果：Bone组平均年龄最高（66.6 ± 9.46岁），其余各组平均年龄范围为60.6～61.8岁（总体p=0.029）；而性别、BMI、生活方式因素及合并症均无显著差异。α多样性和β多样性在各表型间均未显示显著差异，表明未观察到广泛的群落更替。通过多阶段、多方法策略，研究人员获得了一个与肌肉骨骼表型差异相关的17物种共识特征集。分类学模式与一个候选纤维/短链脂肪酸（short-chain fatty acid, SCFA）相关模块一致，而探索性微生物-代谢物相关性提示了一个候选脂质/甾醇相关模块，后者包括Firmicutes bacterium CAG:24053_14与推定注释的胆固醇（cholesterol）和N-酰基乙醇胺（N-acylethanolamines）之间的相关性。
结论：骨折患者的肌少性骨质疏松症与在广泛共享的微生物群落中选定的肠道微生物类群和粪便代谢物的未调整差异相关。这些发现具有假设生成性质，在临床或生物标志物应用之前需要在更大的独立队列中进行验证。
随着人口老龄化，肌少症（sarcopenia）和低骨量（low bone mass）成为重要的公共卫生问题。肌少症以肌肉力量和质量的进行性丧失为特征，低骨量则表现为骨密度降低和骨微结构恶化，二者在骨折患者中常共存，被称为肌少性骨质疏松症（osteosarcopenia），显著增加跌倒、骨折、残疾和死亡风险。肠道菌群作为“虚拟内分泌器官”，通过菌-肠-骨轴和菌-肠-肌轴调节骨和肌肉代谢，短链脂肪酸（short-chain fatty acid, SCFA）和脂多糖等微生物代谢物在其中发挥关键作用。然而，既往研究多采用16S rRNA基因测序，分辨率仅达属水平，且缺乏与代谢组学的整合。因此，不同肌肉骨骼表型的骨折患者是否具有可区分的肠道微生物和代谢物特征尚不清楚。
为此，研究人员在中国北京积水潭医院开展了一项单中心、前瞻性横断面研究，纳入2024年5月至9月收治的69例年龄≥50岁的骨折患者，根据骨密度和肌少症操作定义将其分为正常（Normal，n=18）、单纯低骨量（Bone，n=18）、单纯肌少症（Muscle，n=19）和肌少性骨质疏松症（Both，n=14）四种表型，利用配对的鸟枪法宏基因组测序（shotgun metagenomics）和非靶向代谢组学（untargeted metabolomics）数据，系统比较了各表型间肠道微生物组成和粪便代谢谱的差异。研究发现，虽然总体菌群结构相似，但通过多方法共识策略鉴定出17个与表型相关的物种，并发现一个候选纤维/SCFA相关模块和一个候选脂质/甾醇相关模块。这些结果有助于生成关于肠道菌群在肌少性骨质疏松症中潜在作用的假设，为未来验证性研究和转化应用奠定基础。该论文发表在《Frontiers in Endocrinology》。
研究人员采用的主要关键技术方法包括：①根据WHO标准通过双能X射线吸收法（DXA）评定骨密度，采用SARC-F、握力和小腿围（替代肌肉量）操作定义肌少症；②对入院后、手术或抗生素使用前的粪便样本进行鸟枪法宏基因组测序（Illumina NovaSeq 6000平台，双端150 bp），经质控、宿主序列过滤、组装、基因预测与非冗余基因集构建后，基于NR_meta数据库进行物种注释；③对同批粪便进行非靶向液相色谱-质谱（LC-MS）代谢组学分析，并通过XCMS和CAMERA处理数据，代谢物经精确质量和MS/MS谱库比对进行推定注释；④通过Wilcoxon检验、LEfSe、随机森林和STAMP等多方法比较差异菌种，取至少两种方法支持的物种作为共识特征集；⑤利用Spearman相关（|ρ|≥0.7，p<0.05）构建微生物-代谢物网络，并结合KEGG注释
