Veränderungen der Darmmikrobiota in der Biopsie

Wissenschaftliche Berichte Band 13, Artikelnummer: 12150 (2023) Diesen Artikel zitieren

307 Zugriffe

25 Altmetrisch

Details zu den Metriken

Die Darmmikrobiota steht durch die Darmimmunität in engem Zusammenhang mit parenteralen nichtübertragbaren Krankheiten und spielt eine wichtige Rolle bei der Entstehung von Diabetes und diabetischer Nephropathie. Ziel der Studie war es, die Darm-Nieren-Achse durch eine Analyse der Darmmikrobiota-Zusammensetzung bei Patienten mit durch Biopsie nachgewiesener diabetischer Nephropathie (DN), Patienten mit Typ-2-Diabetes seit mehr als 10 Jahren ohne Nierenschädigung (DM) und anderen zu verstehen gesunde Kontrollpersonen (NC). Zwischen Januar 2022 und Dezember 2022 wurden 35 DN-Patienten, 40 DM-Patienten und 40 gesunde Probanden mit gleichem Alter und Geschlecht aufgenommen. Basisinformationen und klinische Parameter wurden gesammelt. Eine 16S-rDNA-Sequenzierung wurde durchgeführt, um das Darmmikrobiom zu charakterisieren und Darmmikroben zu identifizieren, die bei Patienten und gesunden Kontrollpersonen unterschiedlich häufig vorkommen. Der Zusammenhang zwischen der relativen Häufigkeit spezifischer Bakterientaxa im Darm und dem klinischen Phänotyp sowie den pathologischen Indikatoren wurde bewertet. Es wurden erhebliche Unterschiede im Reichtum der Darmmikrobiota und der Variation in der Bakterienpopulation zwischen DN-Patienten, DM-Patienten und gesunden Kontrollpersonen festgestellt. DM-Patienten konnten durch Variationen von g_Clostridium-XVIII (AUC = 0,929) genau von alters- und geschlechtsangepassten gesunden Kontrollpersonen unterschieden werden, und DN-Patienten konnten durch Variationen von g_Gemmiger (AUC =) genau von alters- und geschlechtsangepassten gesunden Kontrollpersonen unterschieden werden 0,842). DN-Patienten konnten durch Variationen von g_Flavonifraktor oder g_Eisenbergiella (AUC = 0,909 bzw. 0,886) genau von alters- und geschlechtsgleichen DM-Patienten unterschieden werden. Die Darmmikrobiota stand auch in engem Zusammenhang mit klinischen Phänotypen und pathologischen Indikatoren. Die Untersuchung der Zusammensetzung der Darmmikrobiota wurde untersucht, um ihren Zusammenhang mit dem Auftreten von DN und einer langen Diabetesgeschichte ohne Nierenschäden zu bestimmen. Das renale pathologische Fortschreiten von DN kann durch die Regulierung von Veränderungen in der Darmmikrobiota verzögert werden.

Mit der zunehmenden Prävalenz von Diabetes ist auch die Zahl der Patienten mit diabetischer Nephropathie (DN) deutlich gestiegen. Die Ergebnisse einer epidemiologischen Umfrage in China von 2015 bis 2017 zeigten, dass die Prävalenz von Diabetes bei Erwachsenen 11,2 % betrug1. Als schwerwiegende mikrovaskuläre Komplikation von Diabetes ist DN weltweit zur Hauptursache für terminale Niereninsuffizienz (ESRD) geworden2,3,4. Im menschlichen Magen-Darm-Trakt gibt es etwa 500–1000 Bakterienarten mit einer Anzahl von 1014 KBE, die anschaulich als erworbene „Organe“5 bezeichnet werden. Sie unterstützen den Wirt bei der Aufrechterhaltung normaler physiologischer Funktionen, einschließlich der Energieaufnahme, der Produktion von Vitaminen und grundlegenden aktiven Molekülen, des biologischen Antagonismus und der Immunregulierung. Seine Zusammensetzung und Anzahl haben in der Evolution ein dynamisches Gleichgewicht mit dem Wirt aufrechterhalten6. Zahlreiche Studien haben gezeigt, dass die Darmmikrobiota an der Entstehung und Entwicklung von Krankheiten beteiligt sein kann, indem sie den Energiestoffwechsel des Wirts, die systemische Entzündungsreaktion und die Sekretion von Darmhormonen reguliert. Darmmikrobiota spielen auch bei einer Vielzahl von Nierenerkrankungen eine wichtige Rolle, und die von ihnen produzierten Endotoxine, Proteine ​​und einige Metaboliten haben über die Darm-Nieren-Achse bestimmte Auswirkungen auf die Niere7. Durch die Beobachtung der Darmmikrobiota von Patienten mit diabetischer Nephropathie, die durch Nierenbiopsie bestätigt wurde, und von Patienten mit Langzeitdiabetes ohne Nierenschädigung zielte diese Studie darauf ab, das Ungleichgewichtsmuster und die funktionellen Veränderungen in den beiden Krankheitszuständen zu untersuchen und ein Klassifizierungsalgorithmusmodell zur Unterscheidung zu etablieren zwei durch Darmmikrobiota. Wir untersuchen auch die Korrelation zwischen Darmmikrobiota und klinischen Phänotypen und pathologischen Indizes.

An der retrospektiven Studie nahmen 35 Patienten mit durch Nierenbiopsie bestätigter diabetischer Nephropathie, 40 Patienten mit Typ-2-Diabetes seit mehr als 10 Jahren ohne Nierenschäden und 40 gesunde Probanden mit gleichem Alter und Geschlecht teil. Wir haben zwischen Januar 2022 und Dezember 2022 Patienten und gesunde Kontrollpersonen im Volkskrankenhaus der Provinz Shanxi aufgenommen. In der DN-Gruppe waren die Einschlusskriterien wie folgt:

18–65 Jahre alt;

Typ-2-Diabetes diagnostiziert;

Diabetische Nephropathie, diagnostiziert aufgrund einer pathologischen Untersuchung der Nierenpunktion;

Kein Hinweis auf eine primäre Nierenerkrankung;

Geschätzte glomeruläre Filtrationsrate (eGFR) ≥ 60 ml/min/1,73 m2;

Die Einverständniserklärung kann unterschrieben werden.

In der T2DM-Gruppe waren die Einschlusskriterien wie folgt:

18–65 Jahre alt;

Die Dauer des Typ-2-Diabetes betrug mehr als 10 Jahre;

Keine diabetischen mikrovaskulären Komplikationen, einschließlich diabetischer Retinopathie und Nierenschäden (eGFR ≥ 60 ml/min/1,73 m2 und Urin-Albumin-Kreatinin-Verhältnis (UACR) < 30 mg/g);

Eine Einverständniserklärung könnte unterzeichnet werden.

Zu den Ausschlusskriterien für beide Gruppen gehörten:

Schwere Herz-, Lungen-, Leber-, Nieren- und andere Organfunktionsstörungen.

Bösartiger Tumor, Autoimmunerkrankung oder Magen-Darm-Erkrankung; Verwendung von Antibiotika, Präparaten aus lebenden Bakterien, Lactulose oder Immunsuppressiva innerhalb von fast einem Monat.

Schwangere oder stillende Frauen.

Die gesunden Kontrollpersonen stammten aus dem Zentrum für körperliche Untersuchung des Volkskrankenhauses der Provinz Shanxi und waren zwischen 18 und 65 Jahre alt. Die Ergebnisse zeigten, dass sie gesund waren, keine Magen-Darm-Beschwerden hatten und im letzten Monat keine Medikamente eingenommen hatten.

Alle Studienabläufe entsprachen den ethischen Richtlinien des

Deklaration von Helsinki. Die Studien mit menschlichen Teilnehmern wurden von der biomedizinischen Ethikkommission des Volkskrankenhauses der Provinz Shanxi überprüft und genehmigt (Nr. 2022–222). Die Patienten/Teilnehmer gaben ihre schriftliche Einverständniserklärung zur Teilnahme an dieser Studie ab.

Von den ausgewählten Personen wurden frische Stuhlproben entnommen. Die Stuhlproben wurden in eine sterile Stuhlbox gegeben und zur Lagerung innerhalb von 2 Stunden nach der Probenahme in einen Kühlschrank mit –80 °C überführt. Die DNA wurde mit dem QIAamp PowerFecal DNA Kit aus den Proben extrahiert. Agarosegelelektrophorese wurde zur Analyse der DNA-Integrität verwendet, NanoDrop wurde zur Messung der Reinheit verwendet und die DNA-Konzentration wurde mit Qubit genau quantifiziert.

High-Fidelity-DNA-Polymerase wurde verwendet, um die variable Region V3-V4 der DNA durch zweistufige PCR-Amplifikations-spezifische Amplifikation und die Hinzufügung von Tag- und Verbindungssequenzen zu amplifizieren. Zur Reinigung und Rückgewinnung des Produkts wurde ein FC Magnetic Beads Kit (Enlighten) verwendet. Qubit4.0 wurde zur Quantifizierung der gereinigten Bibliothek verwendet, Qsep100 wurde verwendet, um zu überprüfen, ob die Länge der Bibliothek wie erwartet war, und jede Probe wurde auf 4 nM verdünnt. Die Hybridbibliothek wurde durch DNA hergestellt und denaturiert, und mindestens eine 5 %ige Phix-Bibliothek wurde hinzugefügt, um den Bibliothekspolymorphismus auszugleichen. Die Sequenzierung wurde auf einem Illumina MiSeq-Sequenzer unter Verwendung der PE300-Strategie durchgeführt.

Die Qualität der Originaldaten wurde durch QIIME2 kontrolliert, minderwertige Sequenzen und Gelenksequenzen wurden durch die Trimmomatic-Software gefiltert und chimäre Sequenzen wurden durch die USEARCH-Software entfernt. Das OTU-Clustering wurde mit der UPARSE-Software durchgeführt und die bakterielle 16S-Region mit der RDP-Datenbank verglichen.

Die statistische Analyse wurde mit der R-Software (Version 4.0.2) durchgeführt. Die Amplikonanalyse umfasste nur Mikroorganismen, die in ≥ 12 % der Proben vorhanden waren. Alpha-Diversität wurde verwendet, um den Reichtum mikrobieller Arten in einer einzelnen Probe zu messen. Mithilfe der Beta-Diversität wurde die Ähnlichkeit der Mikrobiota-Zusammensetzung verschiedener Proben gemessen. In dieser Studie wurde die Hauptkoordinatenanalyse (PCoA) verwendet, um die β-Diversität der Mikrobiota zu analysieren. Durch PCoA beobachteten wir, ob es insgesamt eine Abweichung der Mikrobiota zwischen der Krankheitsgruppe und der gesunden Bevölkerung gab. LEfSe oder lineare Diskriminanzanalyse-Effektgrößenanalyse kann Biomarker mit statistisch signifikanten Unterschieden zwischen Gruppen finden. Diese Methode wurde verwendet, um die Darmbakterien mit statistisch signifikanten Unterschieden zwischen jeder Krankheitsgruppe und der normalen Kontrollgruppe zu vergleichen. Random Forest ist eine integrierte Methode des maschinellen Lernens, die das Endergebnis durch die Erstellung mehrerer Entscheidungsbäume und die Abstimmung (Durchschnitt) über die Vorhersageergebnisse jedes Entscheidungsbaums erhalten kann, der dieselbe Funktion wie der Entscheidungsbaum hat, um die Klassifizierungs- und Regressionsaufgaben abzuschließen. In dieser Studie wurde das Random-Forest-Vorhersagemodell von der omicStudio-Software erstellt. Die Klassifizierungseffizienz des Modells wurde anhand der Fläche unter der Kurve (AUC) der Arbeitskennlinie (ROC) bewertet. Die Vorhersageleistung des Modells wurde analysiert. Der Diskriminanzwert war niedrig, wenn AUC < 0,70, gut, wenn 0,7 ≤ AUC ≤ 0,9, und hoch, wenn AUC > 0,9. Alle Heatmaps wurden mit dem Paket pheatmap (Version 1.0.12) visualisiert. Die klinischen Daten von Patienten mit DN und DM sowie gesunden Kontrollpersonen wurden als Mittelwert ± SD oder Median ausgedrückt, und die numerischen Daten wurden als Prozentsätze ausgedrückt. Zum Vergleich kontinuierlicher Variablen wurde ein t-Test oder ein nichtparametrischer Test verwendet. Chi-Quadrat-Tests wurden zum Vergleich kategorialer Variablen verwendet. Die statistische Analyse wurde mit SPSS Version 26.0 durchgeführt.

Wir schlossen 35 Patienten mit durch Nierenbiopsie bestätigter DN mit einem Durchschnittsalter von 54,09 Jahren und 40 DM-Patienten mit einem Durchschnittsalter von 58,83 Jahren ein. Die Grundmerkmale der DN-, DM- und gesunden Kontrollgruppen (NC) sind in Tabelle 1 zusammengefasst.

Entsprechend dem pathologischen Grad der diabetischen Nephropathie wurde der Schweregrad der pathologischen Veränderungen anhand des glomerulären Volumens (G), der glomerulären Basalmembran (GBM), der mesangialen Matrix (M), der Glomerulosklerose (S) und der interstitiellen Läsionen (I) bewertet. G0 stellt keine signifikante Zunahme des glomerulären Volumens dar und G1 stellt eine Zunahme des glomerulären Volumens dar. GBM1 steht für eine leichte Verdickung der glomerulären Basalmembran und GBM2 für eine deutliche Verdickung der glomerulären Basalmembran. M1 steht für eine leichte Proliferation der Mesangialmatrix, M2 für eine deutliche Verbreiterung der Mesangialmatrix und M3 für die Bildung einer oder mehrerer tuberöser Sklerose (Kimmelstiel-Wilson-Knötchen). S1 repräsentiert weniger als 50 % Glomerulosklerose und S2 repräsentiert mehr als 50 % Glomerulosklerose. I1 steht für leichte interstitielle Nierenläsionen, I2 für mittelschwere interstitielle Nierenläsionen und I3 für schwere interstitielle Nierenläsionen. Unter den 35 Patienten mit diabetischer Nephropathie gab es 5 Fälle von G0 und 30 Fälle von G1, 23 Fälle von GBM1 und 12 Fälle von GBM2, 4 Fälle von M1, 4 Fälle von M2 und 27 Fälle von M3, 30 Fälle von S1 und 5 Fälle von S2, 17 Fälle von I1, 16 Fälle von I2 und 2 Fälle von I3, wie in Tabelle 2 gezeigt.

Bei einem Homologie-Cut-off von 97 % wurden insgesamt 844 OTUs erhalten. Die NC-Gruppe wies die größte Anzahl an OTUs auf. Wie im Venn-Diagramm (Abb. 1a) dargestellt, betrug die Anzahl der gemeinsamen OTUs zwischen den NC- und DM-Gruppen 354, während die DM- und DN-Gruppen 290 gemeinsame OTUs hatten. Die DM-Gruppe hatte 113 spezifische OTUs und die DN-Gruppe hatte 102 spezifische OTUs, die die anderen beiden Gruppen nicht teilten.

Die Zusammensetzung der Darmmikrobiota unterschied sich zwischen den DN-, DM- und NC-Gruppen. (a) Venn-Diagramm von DN, DM und NC; (b) Analyse der Alpha-Diversität in DN, DM und NC; (c) Beta-Diversitätsanalyse von DN, DM und NC. DN diabetische Nephropathie, DM Typ-2-Diabetes mellitus seit mehr als 10 Jahren ohne Nierenschäden, NC gesunde Kontrollen, operative taxonomische Einheiten der OTUs.

Der Chao-Index des OTU-Profils wurde verwendet, um den Reichtum der Darmmikrobiota zu bewerten, und der Shannon-Index wurde verwendet, um die Diversität der Gemeinschaft abzuschätzen. Die Unterschiede im Gemeinschaftsreichtum waren in den drei Gruppen signifikant (DM vs. DN Chao P = 0,005, DM vs. NC Chao P < 0,001, DN vs. NC Chao P < 0,001), es wurde jedoch keine unterschiedliche Diversität der OTUs festgestellt drei Gruppen (Shannon P > 0,05) (Abb. 1b). Die Hauptkoordinatenanalyse (PCoA) basierend auf der Bray-Curtis-Unähnlichkeit auf OTU-Ebene zeigte, dass die Mikrobiota-Zusammensetzungen von NC-, DM- und DN-Patienten signifikant unterschiedlich waren, wie in Abb. 1c dargestellt (P = 2,569e−16). Die fäkale Mikrobiota von Patienten mit DM und DN und den NC-Patienten war klar nach PCoA2 und PCoA1 getrennt, was 11,58 % bzw. 12,93 % der Gesamtvariation erklärte. Zusammengenommen deuten diese Daten darauf hin, dass die mikrobielle Struktur des Stuhls bei Patienten mit DM und DN im Vergleich zu denen bei NC-Patienten in Gegenwart von OTUs signifikant verändert war.

Um unterschiedliche Taxa von der Phylum- bis zur Gattungsebene in den drei Gruppen zu bestimmen, wurde der Effektgrößenalgorithmus der linearen Diskriminierungsanalyse (LDA) (LEfSe) verwendet (Abb. 2a). LEfSe zeigte, dass im Vergleich zur gesunden Kontrollgruppe die Anzahl der Darmmikrobiota in 2 Klassen, 3 Ordnungen und 5 Familien in den DM- und DN-Gruppen vom Stamm bis zur Familienebene signifikant verringert war, während die Anzahl der Negativicutes und Selenomonadales in erhöht war die T2DM-Gruppe. Auf Gattungsebene war die Anzahl der Romboutsia-, Faecalibacterium-, Acidaminococcus-, Megasphaera- und Sutterella-Arten in der DM-Gruppe signifikant erhöht (alle P < 0,05). Die Anzahl von Christensenella, Clostridium-XIVa, Eisenbergiella, Flavonifractor und Clostridium-XVIII in der DN-Gruppe war signifikant erhöht (alle P < 0,05), während die Anzahl der Butter produzierenden Bakterien, Bacillus, Enterobacter, Trichospira und Rosacella signifikant verringert war die DM-Gruppe und die DN-Gruppe (P < 0,05). Auf Gattungsebene waren Clostridium XVIII und Gemmiger in den DM- und DN-Gruppen signifikant zurückgegangen (Abb. 2b).

Taxonomische Unterschiede in der fäkalen Mikrobiota von Patienten mit diabetischer Nephropathie (DN), Typ-2-Diabetes mellitus seit mehr als 10 Jahren ohne Nierenschädigung (DM) und gesunden Kontrollpersonen (NC). (a) Eine lineare Diskriminanzanalyse (LDA; (log10) > 3) und Effektgrößenanalyse (LEfSe) ergaben signifikante Unterschiede (P < 0,05) in der fäkalen Mikrobiota, die von DM (reg. Score), DN (grüner Score) und gezeigt wurde NC-Gruppen (blaue Punktzahl). (b) Diese Analyse ergab die unterschiedlichsten Taxa auf Bakteriengattungsebene zwischen den Gruppen DM (gelb), DN (blau) und NC (rot). *P + 0,05 + **P + 0,01.

Um die mikrobielle Signatur von DM und DN zu veranschaulichen und das Potenzial des Darmmikrobioms bei der DN-Identifizierung weiter zu untersuchen, wurden ROC-Kurven (Receiver Operating Characteristic) zur Klassifizierung von DM aus NC, DN aus NC und DN aus DM entwickelt. Wir konnten DM-Individuen anhand nur einer Gattung (g_Clostridium-XVIII) genau erkennen, was durch eine Fläche unter der Empfängerbetriebskurve (AUC) von bis zu 0,929 angezeigt wird (Abb. 3a). In ähnlicher Weise war der Reichtum einer Gattung (g_Gemmiger) wirksam bei der Unterscheidung von DN-Individuen von gesunden Kontrollpersonen und zeigte eine AUC von 0,842 (Abb. 3b). Der Reichtum zweier Gattungen (g_Flavonifraktor und g_Eisenbergiella) war wirksam bei der Klassifizierung von DN-Probanden von DM-Probanden und zeigte AUCs von 0,909 bzw. 0,886 (Abb. 3c).

Analyse der Receiver Operating Characteristic Curve (ROC) der Sensitivität und Spezifität der unterschiedlich häufig vorkommenden Gattungen als diagnostische Faktoren für Typ-2-Diabetes mellitus seit mehr als 10 Jahren ohne Nierenschaden (DM) und diabetische Nephropathie (DN).(a) Klassifizierung der ROC-Kurve DM von gesunden Kontrollpersonen (NC), basierend auf g_Clostridium-XVIII; (b) ROC-Kurve zur Klassifizierung von DN aus NC, basierend auf g_Gemmiger; (c) ROC-Kurve zur Klassifizierung von DN aus DM, basierend auf g_Flavonifraktor und g_Eisenbergiella.

Die Spearman-Korrelationsanalyse wurde verwendet, um die Korrelation zwischen Unterschieden in der Darmmikrobiota und klinischen Merkmalen weiter zu bewerten. Auf Gattungsebene zeigten Gemmiger, Clostridium XlVb, Lachnospiracea incertae sedis und Vallitalea stark negative Korrelationen mit den Werten von glykosyliertem Hämoglobin (HbA1c) und Nüchternblutzucker (FBG), während Megasphaera eine positive Korrelation mit den HbA1c-Werten aufwies. Pseudomonas, Eisenbergiella und Flavonifractor zeigten deutlich positive Korrelationen mit dem Urin-Albumin/Kreatinin-Verhältnis (UACR). Enterococcus, Clostridium XlVa und Eisenbergiella zeigten eine negative Korrelation mit der geschätzten glomerulären Filtrationsrate (eGFR) (Abb. 4).

Heatmaps, die Korrelationen zwischen unterschiedlich häufig vorkommenden Mikrobiota-Gattungen und klinischen Parametern zeigen. SCr – Serumkreatinin; FBG – Nüchternblutzucker; HbA1c – glykosyliertes 16-Hämoglobin; UACR – Albumin-Kreatinin-Verhältnis im Urin; GFR – geschätzte glomeruläre Filtrationsrate; Spearman-Test, *P < 0,05, +P < 0,01.

Korrelationen zwischen Unterschieden in der Darmmikrobiota und pathologischen Typen wurden mithilfe der Spearman-Korrelationsanalyse analysiert. Auf Gattungsebene zeigten Ruminococcus callidus und Clostridium viride stark negative Korrelationen mit dem glomerulären Volumen und positive Korrelationen mit Glomerulosklerose. Die Verdickung der glomerulären Basalmembran korrelierte positiv mit Citrobacter werkmanii, Eisenbergiella tay, Klebsiella pneumoniae subsp. ozaenae, Ruminococcus callidus, Megamonas funiformis und Barnesiella intestinihominis. Flavonifractor plautii und Hungatella hatheway korrelierten positiv mit der mesangialen Matrixhyperplasie. Megasphaera micronuciformis zeigte eine positive Korrelation mit interstitiellen Nierenläsionen (Abb. 5). Es wird vermutet, dass die Veränderungen in der oben genannten Mikrobiota zu einer Verringerung des glomerulären Volumens, Sklerose, einer Verdickung der glomerulären Basalmembran, einer Hyperplasie der mesangialen Matrix und einer interstitiellen Nierenfibrose führen und so das Fortschreiten der DN fördern. Es wird vermutet, dass das renale pathologische Fortschreiten von DN durch die Regulierung von Veränderungen in der Darmmikrobiota verzögert werden kann.

Heatmap, die Korrelationen zwischen Gattungen und 18 pathologischen Klassifikationen der diabetischen Nephropathie zeigt. Spearman-Test, *P < 0,05, +P < 0,01.

Diabetische Nephropathie ist eine häufige mikrovaskuläre Komplikation bei Patienten mit Diabetes. Mit dem starken Anstieg der Zahl der Diabetiker8 ist die diabetische Nephropathie zur Hauptursache für chronische Nierenerkrankungen9 geworden, die weltweit ein großes Problem der öffentlichen Gesundheit darstellen10. Zahlreiche Studien haben gezeigt, dass die Darmmikrobiota durch die Darmimmunität eng mit parenteralen nichtübertragbaren Krankheiten zusammenhängt11,12,13. Qin et al.14 und andere Studien15 fanden einen signifikanten Rückgang der Butyratproduktion bei Diabetikern. Wu et al.16 fanden heraus, dass im Vergleich zu gesunden Kontrollpersonen die relative Häufigkeit von Streptokokken und Enterokokken bei Patienten mit IgAN höher war, während die von Bacteroides geringer war. Die Veränderungen in der Darmmikrobiota von IgAN beeinflussten den Stoffwechsel und die Absorption mehrfach ungesättigter Fettsäuren und aktivierten den Stoffwechselweg der Arachidonsäure, wodurch das Stoffwechselsystem von IgAN aufgebaut wurde. Li et al.17 fanden heraus, dass die Gattungen Lactobacillus, Clostridium IV, Paraprevotella, Clostridium sensu stricto, Desulfovibrio und Alloprevotella in den Stuhlproben von Patienten mit CKD angereichert waren, während Akkermansia und Parasutterella in denen von NC-Probanden angereichert waren.

Diese Studie ergab, dass der α-Diversitätsindex von Patienten in der DM- und DN-Gruppe höher war als der von gesunden Menschen, was mit dem Bericht von Larsen et al. übereinstimmt18. Da das Ungleichgewichtsmuster der Darmmikrobiota bei Patienten mit Stoffwechselerkrankungen stark von regionalen Faktoren beeinflusst wird, gibt es Unterschiede im Ungleichgewichtsmuster in verschiedenen Regionen19. Einige Studien haben auch herausgefunden, dass die α-Diversität der Darmmikrobiota bei Patienten mit DM abnahm20. Die β-Diversitätsanalyse zeigte, dass es signifikante Unterschiede zwischen den DM-, DN- und gesunden Kontrollgruppen gab. Wichtig ist, dass DM durch Variationen von g_Clostridium-XVIII (AUC = 0,929) genau von alters- und geschlechtsangepassten gesunden Kontrollen unterschieden werden konnte und DN durch Variationen von g_Gemmiger (AUC =) genau von alters- und geschlechtsangepassten gesunden Kontrollen unterschieden werden konnte 84,2 %). DN konnte durch Variationen von g_Flavonifraktor oder g_Eisenbergiella (AUC = 0,909 bzw. 0,886) genau von alters- und geschlechtsgleichen DM-Patienten unterschieden werden. Diese Ergebnisse zeigen, dass sich die leistungsstarke Funktion und Praktikabilität der Data-Mining-Technologie in der Diagnose und Vorhersage von Krankheitsmarkern durch eine große Anzahl mehrdimensionaler genombezogener Datenbanken widerspiegelt. Daher sollte die zukünftige Forschung weiterhin nach spezifischen mikrobiellen Markern für die Diagnose von DN suchen.

Unsere Studie ergab, dass bei gesunden Menschen der Gehalt an Clostridium-XVIII deutlich höher war als in der Diabetesgruppe. Clostridium-XVIII hat die Fähigkeit, im menschlichen Darmtrakt kurzkettige Fettsäuren (SCFAs) zu fermentieren und zu produzieren, und es wird allgemein angenommen, dass SCFAs eine Vielzahl wichtiger Rollen bei der Erhaltung der menschlichen Gesundheit spielen. Sie fungieren beispielsweise als besonderer Nährstoff- und Energiebestandteil des Darmepithels, schützen die Darmschleimhautbarriere, reduzieren das Entzündungsniveau und verbessern die Magen-Darm-Motilität21. Unsere Ergebnisse zeigten, dass gesunde Kontrollpersonen mehr Gemmiger in der Darmmikrobiota aufwiesen als DN-Patienten. Die Korrelationsanalyse zwischen Gemmiger und biochemischen Indizes ergab außerdem, dass eine negative Korrelation zwischen Gemmiger und dem Blutzuckerspiegel bestand. Gemmiger produzieren typischerweise Butyratbakterien22, die an der Anpassung der körpereigenen Reaktion auf Entzündungen beteiligt sind. Diese Studie ergab auch, dass Eisenbergiella in Darmmikroorganismen von DN-Patienten angereichert war und Eisenberg positiv mit Mikroalbumin im Urin korrelierte. Die Korrelationsanalyse zwischen Eisenbergiella und der renalen pathologischen Klassifizierung von DN zeigte, dass Eisenberg positiv mit Glomerulosklerose und einer Verdickung der glomerulären Basalmembran korreliert. Dieses Bakterium kam im Darmtrakt von Mäusen mit Kolitis sehr häufig vor und könnte an Darmentzündungen beteiligt sein23. Flavonifractor ist ein bedingter Krankheitserreger, der bei DN-Patienten stärker angereichert war als in den NC- und DM-Gruppen und Lipopolysaccharid (LPS) synthetisiert. Wenn LPS an den Rezeptorkomplex in Makrophagen bindet, aktiviert es die Signalkaskade, was zur Produktion einer großen Anzahl entzündlicher Zytokine wie IL-1β, IL-6, TNF α und IL-1224 führt.

Studien haben gezeigt, dass es eine Wechselwirkung zwischen Darmmikroorganismen und der Niere gibt, die sogenannte Darm-Nieren-Achse, und dass das Gleichgewicht zwischen symbiotischen Darmbakterien und pathogenen Bakterien die Integrität der Darmbarriere und eine normale Nierenfunktion gewährleistet. Gesunde Nieren kommunizieren über zelluläre und molekulare Signale mit der Darmmikrobiota, um eine normale Homöostase der Darmmikrobiota sicherzustellen. Das Ungleichgewicht von DN oder Darmmikrobiota führt zur Zerstörung dieses Gleichgewichts, zum Verlust der Integrität der Darmbarriere, zur Aktivierung von Immunzellen und zur Sekretion von Zytokinen, wodurch sich die Nierenfunktion und die symbiotischen Beziehungen weiter verschlechtern25.

Da eine diabetische Nephropathie meist klinisch diagnostiziert wird, wird bei vielen Patienten mit Diabetes, der mit einer chronischen Nierenerkrankung einhergeht, leicht fälschlicherweise eine diabetische Nephropathie diagnostiziert, was zu einer phänotypischen Heterogenität führt. Für die Genauigkeit des Phänotyps wurden Patienten mit diabetischer Nephropathie, die durch eine Nierenbiopsie bestätigt wurden, für die DN-Gruppe ausgewählt und hatten eine eGFR ≥ 60 ml/min/1,73 m2, um die Auswirkung einer Nierenerkrankung im Endstadium auf die Darmmikrobiota auszuschließen26. In der DM-Gruppe haben wir Patienten mit einem Diabetesverlauf von mehr als 10 Jahren ohne Nierenschäden ausgewählt, und der Unterschied zwischen den beiden Gruppen kann den Unterschied der Darmmikrobiota bei Diabetes und diabetischer Nephropathie besser widerspiegeln. Eine Reihe von Studien hat ergeben, dass die pathologische Klassifizierung der diabetischen Nephropathie einen wichtigen Orientierungswert für die Beurteilung der Nierenprognose hat27,28. Daher haben wir die Korrelation zwischen Darmmikrobiota und pathologischen Indikatoren der diabetischen Nephropathie analysiert und festgestellt, dass verschiedene Darmmikrobiota eine wichtige Rolle beim pathologischen Fortschreiten der diabetischen Nephropathie spielen. Es wird vermutet, dass die Regulierung der Veränderungen der Darmmikrobiota das Fortschreiten der Nierenerkrankung bei diabetischer Nephropathie verzögern kann.

Allerdings handelt es sich bei dieser Studie um eine Querschnittsstudie einer monozentrischen und kleinen Population, und ihre Ergebnisse und Schlussfolgerungen weisen einige Einschränkungen auf, so dass es notwendig ist, sie in einer multizentrischen Follow-up-Populationskohorte zu überprüfen. Darüber hinaus nahmen die meisten Patienten in dieser Studie verschiedene Arten von blutzuckersenkenden oder blutdrucksenkenden Medikamenten ein, sodass auch die Wirkung von Medikamenten auf die Mikrobiota-Variation berücksichtigt werden muss.

Unsere Studie untersuchte das Ungleichgewichtsmuster und die funktionellen Veränderungen der Darmmikrobiota in den beiden Krankheitszuständen, identifizierte die gefährlichen Stämme, die das Fortschreiten der diabetischen Nephropathie bei Diabetikern fördern, und erstellte ein Klassifizierungsalgorithmusmodell, um die beiden anhand der Darmmikrobiota zu unterscheiden und so eine gewisse Sicherheit zu gewährleisten Grundlage für die Diagnose und Vorhersage der diabetischen Nephropathie durch Darmmikrobiota. Die Folgeforschung könnte versuchen, die mikrobielle Homöostase durch Eingriffe in die Darmmikrobiota wiederherzustellen und dann die Niere durch Regulierung der Darm-Nieren-Achse zu schützen, was eine neue Methode zur Behandlung diabetischer Nephropathie hervorbringt.

Die während der aktuellen Studie analysierten Datensätze sind im Sequence Read Archive (SRA)-Repository verfügbar, die BioProject-ID lautet PRJNA943281.

Li, Y. et al. Prävalenz von Diabetes, erfasst auf dem chinesischen Festland anhand diagnostischer Kriterien der American Diabetes Association aus dem Jahr 2018: Nationale Querschnittsstudie. BMJ 369, m997 (2020).

Artikel PubMed PubMed Central Google Scholar

Zhang, L. et al. Trends bei chronischen Nierenerkrankungen in China. N. engl. J. Med. 375(9), 905–906 (2016).

Artikel PubMed Google Scholar

Umanath, K. & Lewis, JB Update zur diabetischen Nephropathie: Kernlehrplan 2018. Am. J. Nierendis. 71(6), 884–895 (2018).

Artikel PubMed Google Scholar

Cheng, HT et al. Weltweite Epidemiologie diabetesbedingter Nierenerkrankungen im Endstadium, 2000–2015. Diabetes Care 44(1), 89–97 (2021).

Artikel PubMed Google Scholar

Afkarian, M. et al. Klinische Manifestationen einer Nierenerkrankung bei Erwachsenen mit Diabetes in den USA, 1988–2014. JAMA 316(6), 602–610 (2016).

Artikel PubMed PubMed Central Google Scholar

Turner, R. & Holman, R. Strenge Blutdruckkontrolle und Risiko makrovaskulärer und mikrovaskulärer Komplikationen. BMJ Brit. Med. J. Int. Ed. 317(7160), 703–713 (1998).

Artikel Google Scholar

Patel, A. et al. Intensive Blutzuckerkontrolle und vaskuläre Ergebnisse bei Patienten mit Typ-2-Diabetes. N. engl. J. Med. 358(24), 2560–2572 (2008).

Artikel CAS PubMed Google Scholar

Nathan, DM et al. Die Auswirkung einer intensiven Diabetesbehandlung auf die Entstehung und das Fortschreiten von Langzeitkomplikationen bei insulinabhängigem Diabetes mellitus. N. engl. J. Med. 329(14), 977–986 (1993).

Artikel CAS PubMed Google Scholar

Tao, S. et al. Verständnis der Darm-Nieren-Achse bei durch Biopsie nachgewiesener diabetischer Nephropathie, Typ-2-Diabetes mellitus und gesunden Kontrollpersonen: Eine Analyse der Zusammensetzung der Darmmikrobiota. Acta Diabetol. 56(5), 581–592 (2019).

Artikel PubMed Google Scholar

Karlsson, FH et al. Darmmetagenom bei europäischen Frauen mit normaler, beeinträchtigter und diabetischer Glukosekontrolle. Nature 498(7452), 99–103 (2013).

Artikel ADS CAS PubMed Google Scholar

Xu, Y. et al. Prävalenz und Kontrolle von Diabetes bei chinesischen Erwachsenen. JAMA 310(9), 948–959 (2013).

Artikel CAS PubMed Google Scholar

Afkarian, M. et al. Nierenerkrankungen und erhöhtes Sterberisiko bei Typ-2-Diabetes. Marmelade. Soc. Nephrol. 24(2), 302–308 (2013).

Artikel CAS PubMed PubMed Central Google Scholar

Jiao, F. et al. Jährliche direkte medizinische Kosten im Zusammenhang mit diabetesbedingten Komplikationen im Ereignisjahr und in den Folgejahren in Hongkong. Diabetes. Med. 34(9), 1276–1283 (2017).

Artikel CAS PubMed Google Scholar

Chow, J., Tang, H. & Mazmanian, SK Pathobionten der gastrointestinalen Mikrobiota und entzündliche Erkrankungen. Curr. Meinung. Immunol. 23(4), 473–480 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Hooper, LV, Littman, DR & Macpherson, AJ Wechselwirkungen zwischen der Mikrobiota und dem Immunsystem. Science 336(6086), 1268–1273 (2012).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Sekirov, I. et al. Darmmikrobiota in Gesundheit und Krankheit. Physiol. Rev. 90(3), 859–904 (2010).

Artikel CAS PubMed Google Scholar

Qin, J. et al. Eine metagenomweite Assoziationsstudie der Darmmikrobiota bei Typ-2-Diabetes. Nature 490(7418), 55–60 (2012).

Artikel ADS CAS PubMed Google Scholar

Forslund, K. et al. Entwirrung von Typ-2-Diabetes und Metformin-Behandlungssignaturen in der menschlichen Darmmikrobiota. Nature 528(7581), 262–266 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Wu, H. et al. Identifizierung eines neuartigen Zusammenspiels zwischen Darmbakterien und Metaboliten bei chinesischen Patienten mit IgA-Nephropathie mittels integrierter Mikrobiom- und Metabolom-Ansätze. Ann. Übers. Med. 9(1), 32 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Li, F., Wang, M., Wang, J., Li, R. & Zhang, Y. Veränderungen der Darmmikrobiota und ihre Korrelation mit Entzündungsfaktoren bei chronischen Nierenerkrankungen. Vorderseite. Zelle. Infizieren. Mikrobiol. 9, 206 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Larsen, N. et al. Die Darmmikrobiota bei menschlichen Erwachsenen mit Typ-2-Diabetes unterscheidet sich von der bei nicht-diabetischen Erwachsenen[J]. PLoS ONE 5(2), e9085 (2010).

Artikel ADS PubMed PubMed Central Google Scholar

He, Y. et al. Regionale Unterschiede schränken die Anwendung von Referenzbereichen und Krankheitsmodellen für ein gesundes Darmmikrobiom ein. Nat. Med. 24(10), 1532–1535 (2018).

Artikel CAS PubMed Google Scholar

Tanti, JF et al. Einfluss entzündlicher Signalwege auf die durch Fettleibigkeit verursachte Insulinresistenz. Vorderseite. Endokrinol. Lausanne 3, 181 (2012).

PubMed Google Scholar

Kayama, H., Okumura, R. & Takeda, K. Interaktion zwischen Mikrobiota, Epithelien und Immunzellen im Darm. Annu. Rev. Immunol. 38, 23–48 (2020).

Artikel CAS PubMed Google Scholar

Wang, Z. et al. Umbau der Darmmikrobiota: Eine vielversprechende Therapiestrategie zur Bekämpfung von Hyperurikämie und Gicht. Vorderseite. Zellinfektion. Mikrobiol. 12, 935723 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Kameyama, K. & Itoh, K. Die Darmbesiedlung durch ein Lachnospiraceae-Bakterium trägt zur Entwicklung von Diabetes bei fettleibigen Mäusen bei. Mikrobenumgebung. 29(4), 427–430 (2014).

Artikel PubMed PubMed Central Google Scholar

Yang, K. et al. Ein niedriger zellulärer NAD(+)-Gehalt beeinträchtigt Lipopolysaccharid-induzierte Entzündungsreaktionen durch Hemmung der TLR4-Signaltransduktion in menschlichen Monozyten. J. Immunol. 203(6), 1598–1608 (2019).

Artikel CAS PubMed Google Scholar

Meijers, BK & Evenepoel, P. Die Darm-Nieren-Achse: Indoxylsulfat, p-Kresylsulfat und CKD-Progression. Nephrol. Wählen. Transplantation. 26(3), 759–761 (2011).

Artikel CAS PubMed Google Scholar

Referenzen herunterladen

Die Finanzierung erfolgte durch den 136 Special Fund for Medical Development Project.

Abteilung für Nephrologie, Fünftes Krankenhaus der Medizinischen Universität Shanxi (Volkskrankenhaus der Provinz Shanxi), Taiyuan, China

Xiao Lu & Rongshan Li

Abteilung für Thoraxchirurgie, Fünftes Krankenhaus der Medizinischen Universität Shanxi (Volkskrankenhaus der Provinz Shanxi), Taiyuan, China

Junjun Ma

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

XL: Klinische Analysen und Manuskripterstellung. JM: Sequenzierungsanalysen und statistische Analysen. RL: Studiendesign, Projektüberwachung und Manuskriptrevision.

Korrespondenz mit Rongshan Li.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Lu, X., Ma, J. & Li, R. Veränderungen der Darmmikrobiota bei bioptisch nachgewiesener diabetischer Nephropathie und einer langen Diabetesgeschichte ohne Nierenschäden. Sci Rep 13, 12150 (2023). https://doi.org/10.1038/s41598-023-39444-4

Zitat herunterladen

Eingegangen: 24. Februar 2023

Angenommen: 25. Juli 2023

Veröffentlicht: 27. Juli 2023

DOI: https://doi.org/10.1038/s41598-023-39444-4

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.