撰文|617

腸道菌群作為人體健康的 “隱形調(diào)節(jié)器”，其代謝活動(dòng)與多種疾病密切相關(guān)，但快速、無(wú)創(chuàng)的菌群檢測(cè)技術(shù)一直是臨床應(yīng)用的難點(diǎn)。此前的研究表明，人體釋放的許多揮發(fā)性有機(jī)化合物（VOCs）來(lái)源于微生物的代謝【1-3】。例如，結(jié)核病患者體內(nèi)的1- 甲基萘，以及瘧疾患者體內(nèi)的萜烯類化合物3-蒈烯和α-蒎烯都與微生物緊密相關(guān)【4-8】。

那么腸道菌群對(duì)宿主呼出的VOCs貢獻(xiàn)與影響有多大？是否可以通過(guò)評(píng)估宿主呼出的VOC s ，來(lái)推測(cè)腸道菌群的組成從而識(shí)別健康問(wèn)題？

近日，美國(guó)華盛頓大學(xué)Andrew L. Kau團(tuán)隊(duì)和費(fèi)城兒童醫(yī)院Audrey R. Odom John團(tuán)隊(duì)合作在Cell Metabolism雜志上發(fā)表了題為The gut microbiota shapes the human and murine breath volatilome的文章。該研究通過(guò)人體隊(duì)列與動(dòng)物模型相結(jié)合的方式，首次系統(tǒng)證實(shí)腸道菌群可影響人和小鼠呼出的VOCs，為開發(fā)非侵入性腸道菌群診斷技術(shù)提供了科學(xué)依據(jù)。

人體隊(duì)列：呼吸VOCs與腸道菌群 高度相關(guān)

作者首先通過(guò)一個(gè)納入27名健康兒童（6-12歲）的隊(duì)列， 來(lái) 確定腸道菌群組成是否與呼吸VOCs之間存在相關(guān)性。

作者使用宏基因組 測(cè)序技術(shù) 對(duì)糞便樣本進(jìn)行了腸道菌群表征，使用氣相色譜-分型時(shí)間質(zhì)譜（ GC-qToFMS）對(duì)VOCs進(jìn)行分析。

結(jié)果顯示，腸道菌群與VOCs顯著相關(guān)：（1）腸道菌群的物種組成、功能基因簇（UniRef90）、代謝通路與VOCs的PROTEST相關(guān)系數(shù)分別達(dá)0 .74、0.79和 0.71 ， 且均具有統(tǒng)計(jì)學(xué)顯著性；（2）在作者篩選出的37種核心呼吸VOCs成分中，35種的含量變異20%以上可由腸道菌群組成解釋，部分 萜烯類化合物（如蒈烯、β- 蒎烯）的變異解釋度高達(dá) 40%；（3）特定腸菌與VOCs存在明確關(guān)聯(lián)，如 Roseburia sp. CAG471對(duì)異戊二烯存在顯著影響； 而卵形擬桿菌（Bacteroides ovatus）作為短鏈脂肪酸生產(chǎn)者，與短鏈脂肪酸乙酸的呼出水平正相關(guān)。

小鼠模型：菌群是呼吸VOCs的關(guān)鍵塑造者

接著，作 者開發(fā)了一套標(biāo)準(zhǔn)化的小鼠呼出氣體收集方案，利用單向氣流的小鼠呼吸機(jī)收集小鼠的呼出氣體，并用GC-GC-MS進(jìn)行表征。

為進(jìn)一步確認(rèn)腸道菌群對(duì)呼吸VOCs的影響，作者開展了 小鼠 菌群移植試驗(yàn)，結(jié)果顯示 :（1） 接受不同供體菌群的小鼠，其呼吸 VOCs譜呈現(xiàn)顯著差異，且與供體菌群組成高度相關(guān)（PROTEST相關(guān)系數(shù)0.75）; （ 2 ） 35種VOCs中有22種在無(wú)菌小鼠（對(duì)照組）和定植小鼠（實(shí)驗(yàn)組）之間存在顯著差異；（3）腸道菌群組成可以解釋34種VOCs的部分變異，其中解釋度最高的前5種VOCs平均變異解釋率超過(guò)40%；（4）與人體研究一致，特定腸菌與VOCs存在明確關(guān)聯(lián)，如約翰遜乳桿菌與丙酮負(fù)相關(guān)，而已有研究表明乳桿菌屬能夠在體外還原丙酮。

為了檢驗(yàn)人源微生物是否能夠影響呼吸VOC，作者通過(guò)灌胃法將健康人供體的糞便樣本接種到無(wú)菌小鼠內(nèi)，并將定植人體菌群的小鼠與對(duì)照組無(wú)菌小鼠分別飼喂兩種模擬西方飲食的飼料。兩種飼料成分相同，脂肪比例不同。

比較定植小鼠和對(duì)照無(wú)菌小鼠 的VOCs譜 發(fā)現(xiàn)，飲食和腸道菌群均對(duì)呼吸VOCs有顯著影響。在定植人腸道 菌群 的小鼠中，作者發(fā)現(xiàn)兩種飲食模式的小鼠腸道菌群無(wú)顯著差異（可能由于兩種飲食的膳食纖維含量相似），但是呼吸VOCs仍存差異， 表明高脂飲食與腸道菌群對(duì)呼吸VOCs影響相互獨(dú)立 。此外， 結(jié)果還表明， 性別可能也會(huì)影響VOCs。

體外+小鼠實(shí)驗(yàn)：人體腸道微生物直接產(chǎn)生可檢測(cè)的VOCs特征

盡管通過(guò)小鼠實(shí)驗(yàn)支持了“腸道菌群影響宿主呼吸VOCs”這一觀點(diǎn)，但是這些實(shí)驗(yàn)使用了復(fù)雜的腸道菌群， 難以評(píng)估 單一成員對(duì)呼吸VOCs譜的貢獻(xiàn)。為評(píng)估單個(gè)腸道微生物是否會(huì)產(chǎn)生可在呼出氣體中檢測(cè)到的VOC s ，作者在體外純培養(yǎng)條件下，表征了單一腸道細(xì)菌的VOC譜。

Bacteroides thetaiotaomicron 的野生型菌株可產(chǎn)生吲哚，而其色氨酸酶缺陷突變株則無(wú)法產(chǎn)生。作者通過(guò)比較野生型和突變型，證實(shí)吲哚僅在野生型的VOC譜中出現(xiàn)。

接著， 作者擴(kuò)大了研究范圍，檢測(cè)了另外三種人體腸道微生物——

嗜黏蛋白阿克曼菌 （ Akkermansia muciniphila） 、 大腸桿菌（Escherichia coli ）和長(zhǎng) 雙歧桿菌（Bifidobacterium longum）。 結(jié)果表明 ， 微生物的VOC譜具有特異性，不同微生物的VOC譜不同。

接著，作者將5種常見(jiàn)的腸道共生菌定植于無(wú)菌小鼠，分析其呼出VOCs。結(jié)果顯示， 純培養(yǎng)產(chǎn)生的VOCs和定植小鼠的呼出VOCs中能檢測(cè)到一致的特征性VOCs。 如大腸桿菌純培養(yǎng)產(chǎn)生的VOCs和定植該菌的小鼠呼吸VOCs中都檢測(cè)到較高的 苯并噻唑、乙酸乙酯和辛醛。

上述結(jié)果驗(yàn)證了“腸道菌群- >VOCs ”路徑，證明腸道菌群代謝物可跨器官傳遞至呼吸系統(tǒng)。

哮喘隊(duì)列：VOCs或可預(yù)測(cè)哮喘體內(nèi)與疾病相關(guān)的腸道微生物豐度

最后， 作者在兒童哮喘隊(duì)列（哮喘n=14，非哮喘n=27）中 探索 了“腸道菌群- >VOCs ”的臨床應(yīng)用價(jià)值。與之前的研究一致，該研究也發(fā)現(xiàn)與對(duì)照組相比， 哮喘組中 Eubacterium siraeum 的豐度 顯著升高。 雖然哮喘者和非哮喘者的呼出VOCs不存在顯著差異，但是僅在哮喘組中發(fā)現(xiàn) E . siraeum 與呼出VOCs相關(guān)。 因此作者嘗試使用VOCs來(lái)預(yù)測(cè)該菌的豐度。

結(jié)果 表明 E. siraeum 的豐度變化，可通過(guò)4種關(guān)鍵VOCs（α- 甲基苯乙烯、薄荷醇、鄰二甲苯、甲苯）進(jìn)行預(yù)測(cè)，模型準(zhǔn)確達(dá) 59%，提示呼吸 VOCs 可作為菌群失衡的生物標(biāo)志物。

綜上，該研究首次建立了腸道菌群與呼吸VOCs之間的因果關(guān)系，打破了 “腸道 - 呼吸” 的器官壁壘認(rèn)知，為無(wú)創(chuàng)菌群檢測(cè)提供了全新思路。但要將該研究成果轉(zhuǎn)化成可靠的呼吸 VOCs 檢測(cè)仍面臨重大挑戰(zhàn)。不過(guò)，該研究的技術(shù)框架可以延伸至其他菌群相關(guān)疾病的研究，從而為更多疾病的無(wú)創(chuàng)診斷提供新可能。

https://doi.org/10.1016/j.cmet.2025.12.013

制版人： 十一

參考文獻(xiàn)

1. Hampelska, K., Jaworska, M.M., Babalska, Z.?., and Karpinski, ? T.M. (2020). The role of oral microbiota in intra-oral halitosis.J. Clin. Med.9, 2484. https://doi.org/10.3390/jcm9082484 .

2. Doyle, S., O’Byrne, J.J., Nesbitt, M., Murphy, D.N., Abidin, Z., Byrne, N., Pastores, G., Kirk, R., and Treacy, E.P. (2019). The genetic and biochemical basis of trimethylaminuria in an Irish cohort.JIMD Rep.47, 35–40. https://doi.org/10.1002/jmd2.12028.

3. Shimizu, M., Koibuchi, N., Mizugaki, A., Hishinuma, E., Saito, S., Hiratsuka, M., and Yamazaki, H. (2021). Genetic variants of flavin-containing monooxygenase 3 (FMO3) in Japanese subjects identified by phenotyping for trimethylaminuria and found in a database of genome resources.Drug Metab. Pharmacokinet.38, 100387. https://doi.org/10. 1016/j.dmpk.2021.100387.

4. Fu, L., Wang, L., Wang, H., Yang, M., Yang, Q., Lin, Y., Guan, S., Deng, Y., Liu, L., Li, Q., et al. (2023). A cross-sectional study: a breathomics based pulmonary tuberculosis detection method.BMC Infect. Dis.23, 148. https://doi.org/10.1186/s12879-023-08112-3.

5. Coronel Teixeira, R., Rodr?′guez, M., Jime′ nez de Romero, N., Bruins, M., Go′ mez, R., Yntema, J.B., Chaparro Abente, G., Gerritsen, J.W., Wiegerinck, W., Pe′rez Bejerano, D., et al. (2017). The potential of a portable, point-of-care electronic nose to diagnose tuberculosis.J. Infect.75, 441–447. https://doi.org/10.1016/j.jinf.2017.08.003.

6. Phillips, M., Cataneo, R.N., Condos, R., Ring Erickson, G.A., Greenberg, J., La Bombardi, V., Munawar, M.I., and Tietje, O. (2007). Volatile biomarkers of pulmonary tuberculosis in the breath.Tuberculosis(Edinb) 87, 44–52. https://doi.org/10.1016/j.tube.2006.03.004.

7. Schaber, C.L., Katta, N., Bollinger, L.B., Mwale, M., Mlotha-Mitole, R., Trehan, I., Raman, B., and Odom John, A.R. (2018). Breathprinting reveals malaria-associated biomarkers and mosquito attractants.J. Infect. Dis.217, 1553–1560. https://doi.org/10.1093/infdis/jiy072.

8. Berna, A.Z., and Odom John, A.R. (2021). Breath metabolites to diagnose infection.Clin. Chem.68, 43–51. https://doi.org/10.1093/clinchem/ hvab218.

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【原創(chuàng)文章】BioArt原創(chuàng)文章，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)允許禁止轉(zhuǎn)載，所刊登的所有作品的著作權(quán)均為BioArt所擁有。BioArt保留所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點(diǎn)擊主頁(yè)推薦活動(dòng)

關(guān)注更多最新活動(dòng)！