解读冠心病中循环微生物组相关代谢物Interpreting circulating microbiome-related metabolites in coronary heart disease | PLOS Medicine

环球医讯 / 心脑血管来源:journals.plos.org美国 - 英语2026-05-17 01:51:28 - 阅读时长5分钟 - 2275字
本研究深入分析了循环微生物组相关代谢物在冠心病中的作用,重点评述了Zheng及其同事在《PLOS医学》上发表的多阶段研究。该研究通过在五个前瞻性队列中实施三阶段策略,从73种候选代谢物中筛选出9种与冠心病显著相关的代谢物,包括苯乙酰谷氨酰胺、咪唑丙酸和吲哚丙酸等。文章强调了尽管流行病学关联性研究取得进展,但微生物组相关代谢物与冠心病之间的因果关系仍需进一步验证,且代谢物浓度和效应估计可能受人群背景影响,包括饮食、宿主生理、药物暴露和分析覆盖范围等因素,为未来研究提供了重要方向。
冠心病循环微生物组相关代谢物心脏代谢健康肠道微生物组氧化三甲胺(TMAO)动脉粥样硬化心血管疾病
解读冠心病中循环微生物组相关代谢物

冠心病(CHD)仍然是全球发病率和死亡率的主要原因。近年来,肠道微生物组在心脏代谢健康中的作用受到了越来越多的关注[1]。在连接微生物组与宿主的众多途径中,循环微生物代谢物特别引人关注,因为它们可能提供微生物组-宿主相互作用的功能读数,并可在大规模人类研究中测量[2]。该领域已经产生了一些广泛讨论的候选代谢物,其中氧化三甲胺(TMAO)是最著名的例子,因为它与饮食、肠道微生物群和心血管风险相关[3]。然而,一个重要挑战依然存在:广泛筛查可以生成许多候选信号,但它本身并不能确定哪些关联是稳健的、可重复的,并且在不同人群中具有普遍适用性。从这个意义上说,关键问题不再仅仅是微生物组相关代谢物是否可以与CHD相关联,而是哪些信号能够经受越来越严格的流行病学审查,如何解释这些信号,以及哪些信号值得优先进行机制跟进和未来生物标志物评估。

在此背景下,Zheng及其同事最近在《PLOS医学》上发表的一项研究[4]采用三阶段策略,在五个前瞻性队列中解决了这一差距(图1)。该分析包括在南方社区队列研究(SCCS)和上海妇女与男性健康研究(SWHS/SMHS)中的非靶向发现。还使用动脉粥样硬化社区风险(ARIC)和多族裔动脉粥样硬化研究(MESA)进行了计算机验证,随后进行了靶向定量跟进[4]。这种分阶段设计的优势不仅在于广义上的复制,还在于其逐步提高的证据阈值。同时,验证流程比简单线性确认一个短名单更为细致。发现阶段确定了73种与新发CHD相关的代谢物;在61种可用代谢物中,24种显示出计算机验证,靶向检测总共定量了16种代谢物,包括8种来自计算机验证集的代谢物和8种基于先前证据或检测可行性的额外候选物[4]。9种代谢物在定量阶段表现显著,其中5种来自计算机验证子集。简言之,该研究有意义地将较大的发现集缩小为一个更小的、在队列、平台和人群中看起来更为稳健的短名单。

这一领域的一个常见挑战是,候选微生物代谢物报告的关联在不同人群中并不总是完全一致。从这个角度看,该研究的跨人群设计尤其具有启发性。SCCS的纳入增加了来自非裔美国人和低收入背景人群的数据,这些人群在组学研究中仍然代表性不足,尽管他们承受着较高的心血管疾病负担。例如,TMAO与美国参与者的新发CHD相关,但在中国队列中则无此关联[4],这突显了TMAO-CHD关联在不同人群中的异质性。不过,这种模式应谨慎解读:大多数代谢物-CHD关联在亚组间基本一致,且在经过假发现率校正后,没有交互信号仍保持显著[4]。因此,合理的结论是提醒我们,代谢物浓度和效应估计可能受人群背景影响,包括饮食、宿主生理、药物暴露和分析覆盖范围。该研究的一个贡献是提示了情境解释可能重要的领域,同时将真实的人群特异性问题留给未来更大规模的研究。

一些突出的代谢物也映射到将微生物代谢与心脏代谢功能障碍联系起来的生物学上合理的通路。例如,先前的研究已将苯乙酰谷氨酰胺与宿主肾上腺素信号传导联系起来[5],咪唑丙酸最近被发现与动脉粥样硬化和血管炎症相关[6],吲哚丙酸则与代谢健康和肠道屏障功能相关[7]。此外,3-羟基丁酸(一种酮体)的正相关也值得注意,因为酮体可被解释为适应性燃料(如在禁食或其他低葡萄糖状态下)或底物处理受损的标志物。因此,这一信号说明了为什么生物学合理性可以增强兴趣但不能解决机制[8]。综上所述,这些观察有助于优先考虑特定代谢物进行跟进。同时,不应将合理性误认为是机制解决。在本研究的背景下,这些联系仍具有生成假设的性质,而非确定测量的循环代谢物直接介导CHD风险的决定性证据。

这种区分很重要,因为更强的信号并不能解决该领域的核心解释问题:关联性与因果关系之间的差距。循环微生物组相关代谢物可能与CHD风险相关,但不一定作为因果中介,因为其循环水平不仅可能反映微生物代谢,还可能反映饮食、宿主代谢状态、药物使用和肾脏清除[1]。当论文本身无法在所有主要队列中调整肾功能时[4],这一点尤为重要,这一局限性对TMAO等代谢物尤其相关。即使经过广泛的统计调整,残余混杂仍可能发生,而测量的血液代谢物浓度可能既反映微生物产生,也反映宿主处理。更根本的是,关联的复制并不等同于微生物起源的证据,而微生物起源的证据也不等同于因果中介的证据。这些是相关但不同的推断层次,将它们混为一谈可能夸大当前流行病学数据所能支持的内容。

循环代谢物信号与微生物生物学之间更直接的联系将需要整合研究设计,同时收集肠道微生物组、代谢物数据和血液样本,理想情况下随时间重复测量。这种设计将改善来源归因,并为区分稳定的宿主-微生物组特征与短暂的代谢状态提供更坚实的基础。即便如此,仅靠更丰富的人类数据集将无法完全解决因果关系,因为宏基因组学捕获的是功能潜力而非实时代谢活动,且循环代谢物可能并非 exclusively 来自肠道[9]。因此,更强的推断将取决于将流行病学观察与功能验证和机制实验相结合。

在此背景下,Zheng及其同事[4]的贡献不是解决机制,而是加强优先考虑候选信号的流行病学基础。通过超越孤立发现,转向对队列和平台间稳健性的更系统评估,该研究将一长串候选代谢物缩小为一个更小、更可信的短名单,用于机制跟进。下一阶段应在此基础上,结合整合的人类数据集、重复测量设计和实验验证,同时将这些代谢物与代谢疾病、肾功能和药物使用等宿主决定因素一起解释。从这个角度看,该研究代表了该领域在如何优先考虑CHD中微生物组相关代谢物信号方面的一个有意义的进步,即使它尚未确定哪些信号是因果的。

【全文结束】