Özet

评估介入疗法对人体粪便微生物群影响的体内批处理培养模型

Published: July 31, 2019
doi:

Özet

该协议描述了人类粪便微生物群的体外批量培养发酵系统,使用硫素(一种众所周知的益生菌和研究最广泛的微生物群调制器之一)来证明该系统在估计特定效果时的使用粪便微生物群成分和代谢活动的干预措施。

Abstract

肠道微生物群在几种人类疾病中正在显现的作用要求新的工具、技术和技术取得突破。需要进行这种改进,以破译微生物调节剂的利用,为人类健康带来益处。然而,大规模筛选和优化调制器以验证微生物群落调制和预测相关健康益处可能实际上很困难,因为需要大量的动物和/或人类受试者。为此,体外或体外模型可促进微生物调节剂的初步筛选。在此,它被优化和演示了一个前体粪便微生物群培养系统,可用于检查肠道微生物调节剂的各种干预措施的影响,包括益生菌,益生菌和其他食品成分,除了营养药物和药物,关于人类肠道微生物群的多样性和组成。Inulin 是研究最广泛的益生菌和微生物重组剂之一,这里以它为例,研究其对健康粪便微生物群成分及其代谢活动(如粪便 pH 和有机酸的粪便水平)的影响包括乳酸和短链脂肪酸(SCFA)。该议定书可能有助于旨在估计调制器不同干预措施对粪便微生物群谱的影响和预测其健康影响的研究。

Introduction

人类微生物群是一个复杂的群落,由细菌、古生物、病毒和真核微生物1组成,存在于人体内外。最近的证据已经确立了肠道微生物群和肠道微生物群(人类胃肠道中发现的微生物及其基因的全部集合)在各种人类疾病中的基本作用,包括肥胖、糖尿病、心血管疾病,和癌症1,2,3。此外,生活在我们肠道中的微生物产生广泛的代谢物,这显著影响我们的健康,也可以促进几种疾病的病理生理学以及各种代谢功能4,5.肠道微生物群的组成和功能异常变化(扰动)通常被称为”胃发育不良”。肌张力障碍通常与宿主的不健康状态相关,因此可以与与宿主的健康控制状态相关的正常(静静)微生物群落区分开来。肠道微生物群发育不良的特定模式通常存在于各种不同的疾病1,2,3,6,7。

肠道微生物群发酵未消化的食物,特别是可发酵的碳水化合物/纤维,不仅产生能量,还产生发散代谢物,包括短链脂肪酸(SCFAs)、乳酸、甲酸盐、二氧化碳、甲烷、氢气和乙醇6.此外,肠道微生物群还产生一些其他生物活性物质,如叶酸、生物素、三甲基胺-N-氧化物、血清素、色氨酸、伽马-氨基丁酸、多巴胺、去甲肾上腺素、乙酰胆碱、组胺、脱氧胆酸和4-乙基苯硫酸盐。这主要通过利用宿主-微生物利基内的内在代谢通量,这在几个身体过程,代谢功能和表观遗传变化1,8,9, 10.然而,由于缺乏简单、高效和可重复的协议,各种干预措施对此类微生物产品的影响仍然不明朗或不明确。人类肠道微生物群是一个极其复杂和多样化的生态系统,因此,关于其在人类健康和疾病病理学中的作用的许多问题仍未得到解答。许多常见的肠道微生物重组剂(如益生菌、益生菌、抗生素、粪便移植和感染)对肠道微生物群的组成和代谢功能的影响仍然在很大程度上难以实现。此外,在体内对这些影响的检查和验证是困难的,特别是因为肠道微生物群产生的大多数营养物质和代谢物在肠道中同时和迅速被吸收或处置;因此,测量体内这些代谢物(例如SCFA)的生产、量和处理仍然是一个实际挑战。事实上,动物和人类受试者等生理模型对于确定肠道微生物群系及其调节对宿主健康的作用至关重要,但由于道德、金钱或时间限制。为此,体外和/或体外模型,如在体外培育肠道微生物群,然后干预不同的微生物群调制器,可以提供节省时间和资金的机会,因此可以允许初步或大规模筛选各种成分(如益生菌、益生菌和其他介入化合物),以检查/预测其对粪便微生物群多样性、组成和代谢特征的影响。使用肠道微生物群的体外和体外系统的研究可有助于进一步理解宿主-微生物群相互作用,这些相互作用有助于宿主健康和疾病,还可能导致找到针对微生物群的新疗法。改善宿主健康,预防和治疗各种疾病1。

虽然体外肠道微生物群培养系统无法真正复制实际肠道条件,但一些实验室已努力开发这种模型,其中一些模型已在某种程度上被发现可行,并已成功用于不同的目的。最近的肠道模型之一是人类肠道微生物生态系统的模拟器,它模仿整个人类胃肠道,包括胃、小肠和结肠的不同区域。然而,这种技术上复杂的模型可能无法供全世界其他研究设施使用。因此,对于研究微生物调节剂及其对肠道微生物群和宿主健康的影响的实验室来说,仍然迫切需要开发相对简单、负担得起和实用的新替代模型。因此,使用体外(或活体)粪便微生物培养系统将有助于研究这种干预措施11、12的效果。具体来说,可以研究不同益生菌对微生物群发酵能力的影响,包括肠道微生物群多样性和成分的周期性变化、粪便pH和微生物代谢物的水平,包括SCFA和乳酸盐13.本文,以硫素(最广泛研究的益生菌成分之一)作为微生物群落调制器的范例,描述了这个简单的前体微生物群组培养系统的分步协议,以证明其用于估计使用微生物调节剂干预后,粪便微生物群和微生物代谢物的变化。

Protocol

注意:查阅相应的材料安全数据表,并遵循相应的生物安全 2 级 (BSL-2) 培训的说明和指南。按照标准生物安全规则执行所有培养步骤,并使用无菌条件使用 BSL-2 机柜。此外,来自不同模型和人类受试者的粪便样本可能具有传播微生物传播疾病的潜在风险。发生任何伤害和感染时,立即寻求医疗援助。此外,人类和动物粪便样本的使用应经机构道德委员会批准,并必须符合使用样本和主题信息的协议。 <p …

Representative Results

该规程用于演示特定益生菌(即,在粪便pH值的变化以及乳酸和SCFA在健康人类受试者粪便中的浓度变化方面,硫素对微生物群组合物和代谢活动的影响)。不同的时间点后处理与硫宁)。粪便pH、乳酸和SCFA的粪便水平(图1)和微生物群组合物(图2和图3)在0(基线)、9和24小时孵育时测量,无论是否使用硫素。研究结果表…

Discussion

此处介绍的体外粪便浆发酵模型是一个简单的单组模型,用于近似不同基质和微生物菌株(如益生菌和益生菌)对人类粪便微生物群的组成及其影响代谢活动在粪便pH和SCFA水平方面。本文介绍的结果表明,与未经处理的粪便微生物群培养相比,接种硫素可降低粪便pH值,并显著提高经尿酸处理的粪便标本中的SCFA和乳酸水平(图1)。此外,肠道微生物群特征在经处理的样品和未经处理的样…

Açıklamalar

The authors have nothing to disclose.

Acknowledgements

作者感谢糖尿病、肥胖和代谢中心以及临床和转化科学中心、威克森林医学院、国防部的资助(资助编号:W81XWH-18-0118) 提供的资金支持,克米特·格伦·菲利普斯二世心血管医学主席;国家卫生研究院资助了克劳德·佩珀老人美国中心(由P30AG12232资助);R01AG18915;R01DK114224和临床和转化科学中心(临床研究单位,由UL1TR001420资助),也得到了感谢的认可。我们还感谢志愿者提供粪便样本,以及我们的其他实验室成员在实验中的技术支持。

Materials

Ammonium Bicarbonate (NH4HCO3) Sigma-Aldrich 217255
Ammonium Sulfate (NH4)2SO4 TGI C2388 Toxic
Calcium Chloride Dihydrate (CaCl2•2H2O) Sigma-Aldrich C3306 Irritating
Cobaltous Chloride Hexahydrate (CoCl2•6H2O) Sigma-Aldrich 255599
Cupric Chloride Dihydrate (CuCl2•2H2O) Acros organics 2063450000 Toxic, Irritating
Cysteine-HCl Sigma-Aldrich C121800
D-biotin Sigma-Aldrich B4501
D-Pantothenic acid Alfa Aesar A16609
Disodium Ethylenediaminetetraacetate Dihydrate (Na2EDTA) Biorad 1610729
DL-α-methylbutyrate Sigma-Aldrich W271918
Ferrous Sulfate Heptahydrate (FeSO4•7H2O) Sigma-Aldrich F8263 Toxic
Folic acid Alfa Aesar J62937
Glucose Sigma-Aldrich G8270
Hemin Sigma-Aldrich H9039
Hepes Alfa Aesar A14777
Isobutyrate Alfa Aesar L04038
Isovalerate Alfa Aesar A18642
Magnesium Chloride Hexahydrate (MgCl2•6H2O) Sigma-Aldrich M8266
Manganese Chloride Tetrahydrate (MnCl2•4H2O) Sigma-Aldrich 221279
Niacin (Nicotinic acid) Sigma-Aldrich N4126
Nickel(Ii) Chloride Hexahydrate (NiCl2•6H2O) Alfa Aesar A14366 Toxic
N-valerate Sigma-Aldrich 240370
P-aminobenzoic acid MP China 102569 Toxic, Irritating
Phosphoric Acid (H3PO4) Sigma-Aldrich P5811
Potassium Dihydrogen Phosphate (KH2PO4) Sigma-Aldrich P5504
Potassium Hydrogen Phosphate (K2HPO4) Sigma-Aldrich 1551128
Pyridoxine Alfa Aesar A12041
Resazurin Sigma-Aldrich R7017
Riboflavin Alfa Aesar A11764
Sodium carbonate (Na2CO3) Sigma-Aldrich 1613757
Sodium chloride (NaCl) Fisher BioReagents 7647-14-5
Sodium hydroxide (NaOH) Fisher Chemicals S320
Sodium Molybdate Dihydrate (Na2MoO4•2H2O) Acros organics 206375000
Thiamine Hydrochloride (Thiamin-HCl) Acros organics 148991000
Trypticase BD Biosciences 211921
Vitamin B12 Sigma-Aldrich V2876
Yeast extract Sigma-Aldrich 70161
Zinc Sulfate Heptahydrate (ZnSO4•7H2O) Sigma-Aldrich Z0251
0.22 µm membrane filter
AMPure magnetic purification beads Agencourt
Anaerobic chamber with incubatore Forma anaerobic system, Thermo Scientific, USA
Bottle filter Corning
Cheesecloth
Illumina MiSeq sequencer Miseq reagent kit v3
pH meter
Qiagen PowerFecal kit Qiagen
Quantitative Insights into Microbial Ecology (QIIME) software
Qubit-3 fluorimeter InVitrogen
Vortex Thermoscientific
Waters-2695 Alliance HPLC system Waters Corporation

Referanslar

  1. Shreiner, A. B., Kao, J. Y., Young, V. B. The gut microbiome in health and in disease. Current Opinion in Gastroenterology. 31 (1), 69-75 (2015).
  2. Xu, Z., Knight, R. Dietary effects on human gut microbiome diversity. British Journal of Nutrition. 113, 1-5 (2015).
  3. Jiang, C., Li, G., Huang, P., Liu, Z., Zhao, B. The gut microbiota and Alzheimer’s disease. Journal of Alzheimers Disease. 58 (1), 1-15 (2017).
  4. Clemente, J. C., Ursell, L. K., Parfrey, L. W., Knight, R. The impact of the gut microbiota on human health: an integrative view. The Journal Cell. 148 (6), 1258-1270 (2012).
  5. Yadav, H., Jain, S., Marotta, F. Probiotics mediated modulation of gut flora might be biotherapeutical approach obesity and type 2 diabetes. Metabolomics : Open Access. 1 (3), 1-3 (2011).
  6. Ahmadi, S., et al. Dietary Polysaccharides in the Amelioration of Gut Microbiome Dysbiosis and Metabolic Diseases. Obesity and Control Theries: Open Access. 4 (3), (2017).
  7. Nagpal, R., et al. Obesity-Linked Gut Microbiome Dysbiosis Associated with Derangements in Gut Permeability and Intestinal Cellular Homeostasis Independent of Diet. Journal of Diabetes Research. , 1-9 (2018).
  8. Paul, B., et al. Influences of diet and the gut microbiome on epigenetic modulation in cancer and other diseases. Journal of Clinical Epigenetics. 7 (1), 112 (2015).
  9. O’mahony, S., Clarke, G., Borre, Y., Dinan, T., Cryan, J. Serotonin tryptophan metabolism and the brain-gut-microbiome axis. Journal of Behavioural Brain Research. 277, 32-48 (2015).
  10. Sharon, G., et al. Specialized metabolites from the microbiome in health and disease. Journal of Cell Metabolism. 20 (5), 719-730 (2014).
  11. Faber, T. A., Bauer, L. L., Price, N. P., Hopkins, A. C., Fahey, G. C. In vitro digestion and fermentation characteristics of temulose molasses, a coproduct of fiberboard production, and select temulose fractions using canine fecal inoculum. Journal of Agricultural Food Chemistry. 59 (5), 1847-1853 (2011).
  12. Bourquin, L. D., Titgemeyer, E. C., Fahey, G. C. Vegetable fiber fermentation by human fecal bacteria: cell wall polysaccharide disappearance and short-chain fatty acid production during in vitro fermentation and water-holding capacity of unfermented residues. Journal of Nutrition. 123 (5), 860-869 (1993).
  13. Nagpal, R., et al. Human-origin probiotic cocktail increases short-chain fatty acid production via modulation of mice and human gut microbiome. Scientific Reports. 8 (1), 12649 (2018).
  14. Nagpal, R., et al. Comparative microbiome signatures and short-chain fatty acids in mouse, rat, non-human primate and human feces. Frontiers in Microbiology. 9, 2897 (2018).
  15. Thangamani, S., Guinan, J., Wang, S., Yadav, H. Antibiotic-induced decreases in the levels of microbial-derived short-chain fatty acids promote gastrointestinal colonization of Candida albicans. bioRxiv. , 428474 (2018).
  16. Ahmadi, S., et al. Prebiotics from acorn and sago prevent high-fat diet-induced insulin resistance via microbiome-gut-brain axis modulation. The Journal of Nutritional Biochemistry. , (2019).
  17. Nagpal, R., et al. Gut Microbiome Composition in Non-human Primates Consuming a Western or Mediterranean Diet. Frontiers in Nutrition. 5, 28 (2018).
  18. Caporaso, J. G., et al. Ultra-high-throughput microbial community analysis on the Illumina HiSeq and MiSeq platforms. ISME Journal. 6 (8), 1621-1624 (2012).
  19. Caporaso, J. G., et al. QIIME allows analysis of high-throughput community sequencing data. Nature Methods. 7 (5), 335-336 (2010).
  20. Garcia-Villalba, R., et al. Alternative method for gas chromatography-mass spectrometry analysis of short-chain fatty acids in faecal samples. Journal of Seperation Science. 35 (15), 1906-1913 (2012).
  21. Lee, C. H., et al. Frozen vs Fresh Fecal Microbiota Transplantation and Clinical Resolution of Diarrhea in Patients With Recurrent Clostridium difficile Infection: A Randomized Clinical Trial. JAMA. 315 (2), 142-149 (2016).
  22. Chen, M. -. H., et al. In vitro fermentation of xylooligosaccharides produced from Miscanthus× giganteus by human fecal microbiota. Journal of Agricultural and Food Chemistry. 64 (1), 262-267 (2015).
  23. Cook, S., Sellin, J. Short chain fatty acids in health and disease. Alimentary Pharmacology & Therapeutics. 12 (6), 499-507 (1998).
  24. Rastelli, M., Knauf, C., Cani, P. D. Gut microbes and health: a focus on the mechanisms linking microbes, obesity, and related disorders. Obesity. 26 (5), 792-800 (2018).
  25. Zou, J., et al. Fiber-mediated nourishment of gut microbiota protects against diet-induced obesity by restoring IL-22-mediated colonic health. Cell Host & Microbe. 23 (1), 41-53 (2018).
  26. Dinan, T. G., Cryan, J. F. Gut–brain axis in 2016: Brain–gut–microbiota axis—mood, metabolism and behaviour. Nature Reviews Gastroenterology & Hepatology. 14 (2), 69 (2017).

Play Video

Bu Makaleden Alıntı Yapın
Ahmadi, S., Wang, S., Nagpal, R., Mainali, R., Soleimanian-Zad, S., Kitzman, D., Yadav, H. An In Vitro Batch-culture Model to Estimate the Effects of Interventional Regimens on Human Fecal Microbiota. J. Vis. Exp. (149), e59524, doi:10.3791/59524 (2019).

View Video