队列构建与样本收集
获取具有代表性的ME/CFS和健康对照的粪便样本，用于后续微生物组分析。
从美国5个临床中心招募106名ME/CFS患者和91名匹配的健康对照，收集粪便样本和临床数据，包括MFI疲劳评分。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
肠道微生物组中丁酸盐产生能力不足与ME/CFS中的细菌网络紊乱和疲劳症状相关
Deficient butyrate-producing capacity in the gut microbiome is associated with bacterial network disturbances and fatigue symptoms in ME/CFS
实验完整度
高包含多组学分析（宏基因组学、代谢组学）、qPCR验证、功能通路分析，以及利用独立队列进行机器学习模型验证，体现多个独立证据层级。
主要模型
粪便宏基因组样本 粪便qPCR样本 粪便SCFA代谢组学样本
重点核对
样本来自美国5个地点（CA, NY, NV, UT, FL）的106例ME/CFS患者和91例健康对照 ME/CFS诊断符合1994年CDC和2003年加拿大共识标准，对照组按地理、性别、年龄、种族/民族、采样日期匹配 所有参与者在采样前6周内未使用抗生素，qPCR和SCFA检测的关键条件（如粪便量、衍生化步骤、GC-MS参数）需核对 宏基因组测序使用Illumina HiSeq 4000平台，平均每个样本产生27.8 ± 10.3百万条reads，宿主序列去除后剩余25.1 ± 9.0百万条reads 机器学习分类器使用12种差异丰度物种，通过10折交叉验证和20次随机重复评估AUC，并在地理位点和外部验证队列中验证
摘要
肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的特征是原因不明的致残性疲劳、认知功能障碍、胃肠道紊乱和直立不耐受。在这里，我们报告了一项对106例患者和91名健康对照者的地理多样性队列的多组学分析，揭示了肠道微生物组多样性、丰度、功能通路和相互作用的差异。在ME/CFS中，普拉梭菌（Faecalibacterium prausnitzii）和直肠真杆菌（Eubacterium rectale）减少，两者均被认为是人肠道中丰富、促进健康的丁酸盐产生菌。功能宏基因组学、qPCR和粪便短链脂肪酸代谢组学证实了微生物丁酸盐合成能力的不足。基于微生物组的机器学习分类器模型对地理变异具有稳健性，并在验证队列中具有普适性。普拉梭菌的丰度与疲劳严重程度呈负相关。这些发现证明了ME/CFS中肠道菌群失调的功能性质及潜在的微生物网络紊乱，为疾病分类和治疗试验提供了可能的靶点。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- ME/CFS患者的肠道微生物组是否存在功能性的菌群失调（特别是丁酸盐产生能力），以及这种失调是否与疲劳症状相关？
- 核心机制
- ME/CFS患者肠道中丁酸盐产生菌（如普拉梭菌）丰度减少，导致丁酸盐合成能力下降，可能通过影响肠道屏障、免疫调节等机制参与疾病病理，且普拉梭菌丰度与疲劳严重程度负相关。
- 主要证据
- 多组学分析揭示物种丰度差异；qPCR验证丁酸盐产生菌数量下降；功能宏基因组学显示丁酸盐合成基因减少；代谢组学证实粪便丁酸盐浓度降低；机器学习分类器显示物种组合可用于疾病分类；网络分析显示物种互作改变；普拉梭菌丰度与疲劳评分负相关。
- 研究意义
- 该研究为ME/CFS中肠道菌群失调的功能后果提供了见解，并识别出可能用于疾病分类和治疗试验的靶点。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
粪便DNA提取与宏基因组测序
获取粪便样本中细菌群落的DNA序列，用于物种组成和功能分析。
使用改良的QIAamp DNA Stool Mini Kit提取粪便DNA，通过Illumina HiSeq 4000平台进行鸟枪法宏基因组测序。
微生物组多样性和差异丰度分析
比较ME/CFS和对照之间的α多样性、β多样性和物种相对丰度差异。
使用QIIME2计算α多样性（Pielou均匀度、Shannon指数、观察物种数）和β多样性（Bray-Curtis距离）；使用MaAsLin2进行差异丰度分析，并调整协变量。
丁酸盐产生菌的绝对定量
通过qPCR定量丁酸盐产生菌（如Roseburia/Eubacterium和F. prausnitzii）的绝对丰度。
使用特异性引物通过qPCR检测粪便中Roseburia/Eubacterium和F. prausnitzii的16S rRNA基因拷贝数，以及but基因丰度。
粪便SCFA代谢组学检测
测定粪便中短链脂肪酸（尤其是丁酸盐）的浓度，以验证丁酸盐产生能力下降。
采用GC-MS方法定量粪便中的乙酸盐、丙酸盐和丁酸盐浓度。
功能宏基因组分析
评估肠道微生物组的代谢通路和功能模块，特别是丁酸盐合成相关基因。
使用FMAP对宏基因组数据进行KEGG功能注释，并使用GOmixer分析代谢过程和模块的差异。
物种-症状关联和网络分析
探究细菌物种丰度与疲劳症状之间的关联，以及物种间共丰度网络的改变。
使用MaAsLin2分析细菌物种与MFI疲劳评分的关联；使用Flashweave构建共丰度网络，并比较ME/CFS和对照的网络拓扑。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| DNA提取 | QIAmp粪便DNA提取试剂盒 | Qiagen | cat. #51504 |
| AL缓冲液 | Qiagen | cat. # 19075 | |
| 玻璃珠（0.1mm和0.5mm） | MoBio Laboratories | -- | |
| 组织研磨仪 | Qiagen | -- | |
| NanoDrop ND-100分光光度计 | NanoDrop Technologies | -- | |
| 文库构建 | Covaris E210聚焦超声仪 | Covaris | -- |
| KAPA Hyper Prep文库构建试剂盒 | Kapa Biosystems | cat. # 07962363001(KK8504) | |
| 测序 | Agilent Bioanalyzer 2100生物分析仪 | Agilent | -- |
| Illumina HiSeq 4000测序平台 | Illumina | -- | |
| qPCR | pGEM T-Easy载体 | Promega | cat. # PR-A1360 |
| Pure Link质粒提取试剂盒 | Invitrogen | cat. #K210010 | |
| TaqMan Universal PCR预混液 | Applied Biosystems | cat. # 4304437 | |
| SYBR Green PCR预混液 | Applied Biosystems | cat. #4309155 | |
| ABI StepOne Plus实时荧光定量PCR系统 | Applied Biosystems | -- | |
| SCFA代谢组学 | 叔丁基甲基醚 | Sigma | cat# 306975 |
| Agilent GC7890B气相色谱仪 | Agilent | -- | |
| Agilent 5977质谱检测器 | Agilent | -- | |
| DB5 duraguard毛细管柱 | Agilent | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 粪便DNA提取 | 提取试剂盒品牌（QIAmp DNA Stool Mini Kit）、玻璃珠尺寸、裂解温度和时间、DNA浓度测定方法 阅读提示：STAR Methods - Fecal DNA Extraction |
| 宏基因组测序 | 测序平台（Illumina HiSeq 4000）、文库构建试剂盒、平均测序深度、宿主序列去除方法 阅读提示：STAR Methods - Shotgun metagenomic sequencing and bioinformatic analyses |
| qPCR定量 | 引物序列、探针序列、质粒标准品、PCR循环条件、样品和标准品DNA量、结果计算方式 阅读提示：STAR Methods - qPCR |
| SCFA检测 | 内标浓度、衍生化试剂和条件、GC-MS仪器型号、色谱柱规格、升温程序 阅读提示：STAR Methods - Fecal SCFA metabolomics |
| 生物信息分析 | Kraken2数据库版本、Bracken参数、QIIME2多样性分析参数、MaAsLin2版本、FMAP数据库、GOmixer版本 阅读提示：STAR Methods - Shotgun metagenomic sequencing and bioinformatic analyses, Differential gut bacterial metabolic pathway modules, Microbiome Multivariable Association with Linear Models (MaAsLin2) |
| 机器学习分类 | 12种差异物种列表、ML分类器名称、训练/测试集划分比例、交叉验证次数、随机重复次数、性能评估指标（AUC） 阅读提示：STAR Methods - Machine learning classifiers |
| 网络分析 | Flashweave版本、参数设置、协变量列表、物种过滤条件、网络聚合步骤、中心性指标 阅读提示：STAR Methods - Microbiome co-abundance network analysis |