《Computational Biology and Chemistry》:Network-guided computational prioritization of gut microbiota-associated metabolites in sepsis-associated intestinal injury
编辑推荐:
•一种可重复的工作流优先筛选了脓毒症肠道损伤中的微生物代谢物。•3-(4-HPP)在所有5,000种可接受的加权方案中均排名第一。•I3LA排名第二;3-IPA在所有方案中均保持在前三名之内。•结构对接门槛未能通过,导致无法进行候选结合推断。•完整的排名和结构验证审计提高了透
- •
一种可重复的工作流优先筛选了脓毒症肠道损伤中的微生物代谢物。
- •
3-(4-HPP)在所有5,000种可接受的加权方案中均排名第一。
- •
I3LA排名第二;3-IPA在所有方案中均保持在前三名之内。
- •
结构对接门槛未能通过,导致无法进行候选结合推断。
- •
完整的排名和结构验证审计提高了透明度。
引言
脓毒症是一种由宿主对感染的失调反应引起的危及生命的综合征,仍然是危重症死亡的主要原因(GBD 2021 Global Sepsis Collaborators, 2025, Singer et al., 2016)。肠道既是脓毒症损伤的靶器官,也是脓毒症损伤的放大器。当上皮屏障功能受损时,微生物产物可能发生移位,炎症反应可能加剧,随后继发器官功能障碍(Neurath et al., 2025, Soranno et al., 2025)。
肠道菌群失调在危重症期间很常见。专性厌氧菌的减少、机会致病菌群的扩张、肠蠕动受损、抗生素暴露和黏膜炎症均可能改变微生物代谢(Cho et al., 2024)。这些变化可能影响色氨酸衍生的吲哚、胆汁酸衍生物、短链脂肪酸以及影响上皮稳态、免疫状态和细胞应激反应的类黄酮相关化合物。
基于网络的筛选已被用于优先筛选抑郁症、糖尿病和冠心病中与肠道菌群相关的代谢物(Su et al., 2025, Yao et al., 2024, Zhou et al., 2024)。这些研究提供了有价值的先例,但数据库重叠、富集和对接评分可能被过度解读为机制性验证。对于脓毒症相关的肠道损伤,候选物的选择应遵循明确的评分规则,并应将排名证据与后续生物学解释分开。
本研究是一项计算机模拟的候选物优先筛选研究。由于存档的对接文件未达到制备和验证要求,对接评分被从得分中剔除,并对所有保留的代谢物应用了相同的三组分公式。直接微生物注释和已发表的生物学证据仅用于解释排名,而非改变排名。另一项独立的结构评估采用了原配体重新对接和来自文献的活性标记对照;这些结果未用于候选物排名。本研究生成了用于实验验证的候选物,并未建立肠道保护或直接靶点结合的证据。本文中,"代谢空缺"指关于微生物来源代谢物可用性降低的网络层面假设。
章节摘要
研究设计与可重复性
采用分层计算工作流(表1)。首先收集肠道菌群相关的代谢物和已报道的宿主靶点。然后利用代谢物-靶点预测、疾病靶点整理以及三方交集分析来提名候选基因。下游分析包括PPI拓扑分析、STRING阈值敏感性分析、基于置换的PPI评估、GO/KEGG富集、MSMT网络、探索性外部转录组背景分析、通路活性评分等。
候选靶点被缩小至63个基因的宿主层
gutMGene层包含208种微生物代谢物和154个独特的人类宿主靶点。STP产生了797个独特的靶点基因,SEA产生了1,291个;其中570个基因共有,合并后共1,518个。CTD、GeneCards和OMIM分别贡献了48、4,392和27个独特基因,其并集包含4,402个基因。将预测靶点、gutMGene支持的人类宿主靶点和疾病相关基因进行交集分析,鉴定出63个候选基因(图1)。
事后SEA敏感性分析
主要解释与客观候选物层级
本研究缩小了脓毒症相关肠道损伤中广泛的菌群-代谢物搜索空间。其主要结果是排名假设集合,而非经验证的机制。不依赖对接的评分定义了主要的计算线索;独立的生物学背景信息仅用于描述补充性的候选物以供后续研究。
根据此规则,3-(4-HPP)是主要的计算线索。它在修订后的三组分公式下以及在所有可接受的
结论
使用统一的不依赖对接的评分,3-(4-HPP)在19种代谢物中排名第一,并在所有5,000种加权方案中均排名第一;I3LA和3-IPA分别排名第二和第三。GSE202261为探索性分析。存档对接被排除。在新的结构评估中,AKT1重新对接失败,IL1B重新对接通过但其文献来源的活性标记对照面板未能通过;没有任何候选物完成对接。因此,排名仍应被视为一组待验证的假设,而非结合或治疗的证据。
未引用参考文献
(Berman et al., 2000)
资助
本工作受浙江省中医药科技项目(编号:2025ZL451)和中国浙江省自然科学基金项目(编号:LY20H290002)资助。
CRediT作者贡献声明
徐永东:数据整理。冯智远:调查研究、数据整理。唐传智:数据整理。徐登峰:数据整理。倪华:数据整理。史战立:写作—审阅与编辑、资金获取。陈启凯:写作—初稿撰写、概念构思。
写作过程中生成式人工智能及人工智能辅助技术的声明
在准备本工作期间,作者使用ChatGPT进行手稿章节的组织和可读性改善。在使用该工具后,作者按需审阅和编辑了内容,并对所提交手稿的内容承担全部责任。
利益冲突声明
作者声明不存在已知的竞争性经济利益或个人关系,这些关系可能对本论文中报告的工作产生影响。
陈启凯|徐永东|冯智远|唐传智|徐登峰|倪华|史战立