基于多组学与机器学习解析持续性腹泻儿童生长障碍机制:丁酸-肠道菌群-Th17/Treg失衡-GH-IGF-1轴整合模型

《Microbiology Spectrum》:Multi-omics insights into growth impairment mechanisms in children with persistent diarrhea

【字体: 大 中 小 】 时间:2026年09月18日 来源:Microbiology Spectrum 4.1

编辑推荐:

  摘要专业翻译 本研究旨在阐明儿童持续性腹泻伴身材矮小(PDC)的关键机制,并提出一个整合丁酸产生菌肠道微生态位、短链脂肪酸(SCFAs)、Th17/Treg平衡、生长激素-胰岛素样生长因子1(GH-IGF-1)轴与生长调控的整合模型。研究人员对健康对照(HC)

  
摘要专业翻译 本研究旨在阐明儿童持续性腹泻伴身材矮小(PDC)的关键机制,并提出一个整合丁酸产生菌肠道微生态位、短链脂肪酸(SCFAs)、Th17/Treg平衡、生长激素-胰岛素样生长因子1(GH-IGF-1)轴与生长调控的整合模型。研究人员对健康对照(HC)、无身材矮小的持续性腹泻患儿(PDC-NS)及伴身材矮小的持续性腹泻患儿(PDC-S)的样本进行了多组学分析和基于机器学习的预测建模。结果显示,PDC-S患者表现出核心丁酸产生菌群落及相关代谢通路的破坏、粪便丁酸水平显著降低、以促炎状态为特征的系统性Th17/Treg失衡,以及GH-IGF-1轴受体水平和配体水平成分的双重抑制。多组学机器学习识别出一个由代谢、免疫和内分泌标志物组成的五因子风险预测组合,而因果推断进一步确立了丁酸作为生长的核心调控因子。小鼠实验进一步验证了丁酸、普拉梭菌(Faecalibacterium prausnitzii)与重组人生长激素(rhGH)联合干预可改善生长迟缓。总体而言,本研究提出了一种基于丁酸与生长激素联合干预的精准治疗策略,为PDC相关身材矮小提供了新的机制见解和转化工具。

论文解读

一、研究背景与意义

腹泻病仍是全球5岁以下儿童发病和死亡的主要原因之一。其中,儿童持续性腹泻(PDC)因其病程超过14天,常导致慢性营养不良和发育障碍,在中低收入国家构成重大公共卫生挑战。PDC不仅引起急性体重下降,还对儿童线性生长产生长期影响,并与成年期身材矮小、免疫功能紊乱及慢性代谢性疾病风险增加密切相关。身材矮小是儿童营养不良最突出的表型表现,与早期感染暴露、肠道功能障碍和免疫失衡密切相关。然而,尽管临床证据已表明PDC与生长受损之间存在关联,其背后的分子机制和系统性生物网络仍未被完全阐明,尤其是感染后慢性炎症、营养吸收不良与内分泌抑制之间的协同交互作用尚未得到充分解析。
肠道菌群作为宿主重要的"隐形器官",在儿童生长发育中发挥关键作用。生理条件下,肠道菌群发酵膳食纤维产生短链脂肪酸(SCFAs),包括乙酸盐、丙酸盐和丁酸盐。其中,丁酸盐不仅是肠上皮细胞的主要能量来源,还参与调节免疫应答、维持肠道屏障完整性并调控宿主代谢网络。慢性腹泻与肠道菌群失调密切相关,核心丁酸产生菌属(如粪杆菌属)的丧失、短链脂肪酸代谢能力下降以及肠黏膜免疫稳态受损可能同时发生。此外,SCFAs缺乏可能损害调节性T细胞(Treg)的稳态调控,促进促炎性Th17应答,加剧慢性炎症。然而,现有研究多停留在菌群-代谢物关联层面,缺乏对SCFAs如何调控免疫和内分泌系统进而影响PDC后身材矮小表型的系统性机制阐明和因果验证。
人工智能驱动的多组学整合技术为解析复杂分子网络开辟了新途径。通过整合肠道菌群测序、代谢组学、免疫转录组学和激素组学数据集,可在系统层面描绘多通路、多因子交互网络。然而,传统统计方法往往难以有效处理高维数据、噪声和批次效应。机器学习方法如随机森林回归、XGBoost和弹性网络可从高维特征中识别重要变量并显著提升预测性能。可解释算法如SHAP可进一步帮助识别与目标表型相关的核心菌属或代谢通路及其非线性效应阈值。此外,多组学异质网络的拓扑分析和消融研究,结合基于倾向评分和逆概率加权(IPTW)的因果推断方法,有望建模分子网络传播并严格识别真实因果链。
基于上述证据,研究人员提出核心假说:核心丁酸产生菌肠道微生物群落的耗竭及由此导致的SCFAs(尤其是丁酸)缺乏,破坏系统性免疫稳态,特别是诱导促炎性Th17/Treg失衡;这种失衡随后通过特定的肠-免疫-内分泌级联反应抑制GH-IGF-1轴,最终驱动PDC中的生长迟缓表型。为验证该假说,研究人员采用"计算到验证"的研究策略,整合多组学数据与机器学习和因果推断算法,从高维关联中优先排序关键调控节点,并构建具有临床转化潜力的精简预测特征组合。随后,这些计算预测结果被转化为可检验的生物学靶点,并通过小鼠模型和细胞实验进行系统验证。

二、主要技术方法

本研究采用多层级设计,以自建临床队列为核心,辅以动物和细胞验证实验。临床部分建立三个儿童队列:健康对照(HC)、无严重身材矮小的持续性腹泻患儿(PDC-NS)和伴严重身材矮小的持续性腹泻患儿(PDC-S),每组各150例。多组学数据矩阵通过粪便16S rRNA扩增子测序、靶向SCFA代谢组学、外周血单个核细胞(PBMC)转录组学和血清内分泌/炎症因子谱构建。核心分析样本集包含81例受试者(HC 29例、PDC-NS 27例、PDC-S 25例)。分析手段包括跨组学相关分析、偏相关分析、机器学习建模(XGBoost回归、弹性网络逻辑回归、随机森林)、网络拓扑分析、倾向评分加权分析(IPTW)。动物实验采用SPF级C57BL/6J小鼠,通过低剂量葡聚糖硫酸钠(DSS)联合轻度热量限制诱导PDC样表型,并实施丁酸、普拉梭菌和重组人生长激素(rhGH)等干预。细胞实验采用人源PBMCs、小鼠脾细胞、HepG2细胞和Caco-2细胞系评估SCFAs的免疫调控和激素轴功能。

三、研究结果

基线匹配、多组学数据完整性与批次效应校正。 三组儿童年龄分布无统计学差异,基线特征匹配良好。16S rRNA测序、粪便SCFA定量、外周血转录组学和血清激素检测的样本完整率分别为98.0%、96.9%、93.1%和95.6%。经ComBat算法批次效应校正后,不同批次的样本在主成分空间中均匀混合,系统性偏差显著降低。
持续性腹泻对线性生长的影响及身材矮小表型特征。 与HC组相比,PDC-NS组儿童的HAZ显著降低,PDC-S组进一步降低,中位数接近或低于身材矮小临床阈值?2。PDC-S组中HAZ<?2的比例约达40%。分位数回归分析显示,持续性腹泻及其相关表型在总体人群以及性别分层和年龄分层亚组中均与身高持续显著负相关,且该不良效应独立于性别和年龄。
肠道微生物α多样性降低。 与HC组相比,PDC-NS组Shannon指数显著下降,PDC-S组进一步显著降低。Chao1指数呈现一致趋势:HC组最高、PDC-NS组居中、PDC-S组最低。稀疏曲线显示三组均达到平台期,表明测序深度充分。
肠道微生物群落结构显著改变。 PCoA分析显示三组样本的核心分布区域呈现明显偏移和分离趋势。PERMANOVA检验证实三组间肠道微生物群落结构存在显著差异,PERMDISP分析确认组内离散度无显著差异,表明群落结构差异源于真实的生物学变化而非组内方差不等。
核心丁酸产生菌显著耗竭。 与HC组相比,PDC-NS组中粪杆菌属、真杆菌属和罗斯氏菌属的相对丰度显著降低,PDC-S组中这三种丁酸产生菌属进一步显著下降,接近耗竭状态。LEfSe分析显示厚壁菌门及其相关分类群(包括粪杆菌属、真杆菌属、罗斯氏菌属和丹毒丝菌纲)在HC组中显著富集,LDA评分均大于4。
PICRUSt2功能预测显示SCFAs生物合成通路显著受损。 两个关键丁酸生物合成通路PWY-5676(乙酰辅酶A发酵产丁酸)和PWY-5677(琥珀酸发酵产丁酸)在三组间差异显著,在PDC-S组中预测丰度最低。气泡图和聚类热图显示一系列能量代谢和SCFAs生物合成通路在HC组中丰度较高,在PDC-NS组中下调,在PDC-S组中抑制最为显著。
粪便SCFAs水平显著降低并与线性生长指标正相关。 与HC组相比,PDC-NS组粪便丁酸和丙酸浓度显著降低,PDC-S组中这两种代谢物降幅最大。乙酸盐在PDC-S组中显著低于其他两组。密度图显示PDC-S组丁酸浓度曲线明显向低浓度范围偏移。粪便总SCFAs浓度与HAZ呈高度显著正相关。
外周血转录组学揭示Th17/Treg失衡和炎症通路激活。 差异表达分析鉴定出578个显著上调和436个显著下调的差异表达基因。GSEA显示IL-17信号通路显著正富集,FOXP3相关Treg调控网络显著负富集。核心Th17相关促炎转录因子(RORC、STAT3)和效应分子(IL17A)显著上调,而Treg特征基因(FOXP3、IL2RA、CTLA4、IKZF2)显著下调。基因共表达网络揭示了Th17模块基因与Treg模块基因之间的广泛强负相关。
GH/IGF-1生长轴显著抑制。 与HC组相比,PDC-NS组血清IGF-1水平降低,PDC-S组降幅最大。IGFBP-3水平在PDC-S组中显著降低。外周血转录组数据显示PDC-S组生长激素受体(GHR)基因表达显著低于HC和PDC-NS组。多变量回归分析确认PDC-S组身份是血清IGF-1水平降低的独立且最强的负向驱动因素。
跨组学相关分析揭示肠道丁酸与免疫-生长内分泌轴的密切联系。 粪便丁酸水平与血清IGF-1浓度和FOXP3表达呈显著正相关,与IL17A表达呈显著负相关。经年龄、性别和BMI等协变量调整后的偏关联分析确认了这些独立关联仍然存在。
XGBoost机器学习识别驱动肠道丁酸代谢的关键微生物特征。 XGBoost回归模型在预测粪便丁酸浓度方面的拟合优度显著优于随机森林。关键物种如粪便布劳特氏菌和双歧杆菌,以及多个核心能量和物质代谢通路(如REDCITCYC、PRPP_PWY、P161_PWY)是决定肠道丁酸水平的最重要驱动因素。SHAP归因分析确认了这些特征与丁酸预测方向的关系。
多组学特征整合机器学习模型准确预测儿童身材矮小风险。 弹性网络分类模型中,整合多组学模型(Model3_Multiomics_NoHAZ)表现出最强的判别能力,PR-AUC达0.984。决策曲线分析显示整合多组学模型在广泛阈值概率范围内提供最大临床净收益。校准曲线显示预测风险概率与实际风险发生率高度一致。弹性网络系数和SHAP归因分析确认粪便丁酸降低、异丁酸降低和血清IGF-1降低是增加身材矮小风险的最强回归权重。
多重内部交叉验证和置换检验确认模型高鲁棒性。 重复交叉验证中,整合多组学模型的ROC-AUC和PR-AUC均值接近或超过0.97,分布高度集中、方差极小。Bootstrap分析确认该模型具有最窄的AUC 95%置信区间和极高的下限。置换检验确认模型未出现明显的过拟合。

四、结论与讨论

本研究通过多组学整合分析系统阐明了PDC相关身材矮小的核心机制:丁酸产生菌耗竭导致的丁酸缺乏,通过诱导Th17/Treg免疫失衡,进而抑制GH-IGF-1生长轴,最终驱动生长迟缓表型。研究构建了"肠道菌群-丁酸-免疫-内分泌-生长"的整合机制模型,并通过多组学机器学习建立了包含代谢、免疫和内分泌标志物的五因子风险预测组合,具备良好的临床转化潜力。因果推断进一步确立了丁酸作为生长调控的核心因子。动物实验验证了丁酸、普拉梭菌与rhGH联合干预可改善生长迟缓,提示基于丁酸和生长激素共干预的精准治疗策略可能为PDC相关身材矮小提供新的治疗途径。该研究为理解PDC相关生长障碍的分子机制提供了系统性见解,并为精准医学干预奠定了理论基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号