重磅科研丨NAT MED(IF:87): 微生物组、饮食和遗传对人血浆代谢组个体间变异的影响

编译：微科盟听雪斋，编辑：微科盟居居、江舜尧。

微科盟原创微文，欢迎转发转载，转载须注明来源《微生态》公众号。

导读  

人体血浆代谢组中数千种代谢物的水平受到个体遗传、饮食和肠道微生物组组成的强烈影响。本研究通过评估来自荷兰Lifelines DEEP和Genome队列的1368个广泛表型个体中的1183种血浆代谢物，量化了由不同因素解释的血浆代谢组中个体间变异的比例，将610、85和38种代谢物分别表征为主要与饮食、肠道微生物组和遗传相关。此外，通过详细的食物频率问卷评估，从代谢物水平得出的膳食质量评分与膳食质量显著相关。通过孟德尔随机化和中介分析，本研究揭示了饮食、肠道微生物组和代谢物之间的假定因果关系。例如，孟德尔随机化分析支持Eubacterium rectale在降低血浆亚硫酸氢盐(一种影响心血管功能的毒素)水平方面的潜在因果效应。最后，基于对311名个体在两个时间点(间隔4年)的血浆代谢组的分析，观察到代谢物水平的稳定性与代谢物水平的变化量之间存在正相关，这可以在本研究的分析中得到解释。总之，对解释血浆代谢组个体间差异的因素进行表征可以帮助设计调节饮食或肠道微生物组的方法，以形成健康的代谢组。  

论文ID

原名：Influence of the microbiome, diet and genetics on inter-individual variation in the human plasma metabolome

译名：微生物组、饮食和遗传对人血浆代谢组个体间变异的影响

期刊：Nature Medicine

IF：87.241

发表时间：2022.10

通讯作者：傅静远

通讯作者单位：荷兰格罗宁根大学医学中心

DOI号：10.1038/s41591-022-02014-8

实验设计

结果

1 荷兰队列中的非靶向血浆代谢物

在本研究中，我们检测了来自两个LLD亚队列(LLD1和LLD2)和GoNL6队列(扩展数据图1和补充表1)的1368名个体的1679份空腹血浆样品中的血浆代谢组。LLD1队列是检测队列，1054名参与者可获得有关遗传、饮食和肠道微生物组的信息。此外，4年后对311名LLD1受试者进行了随访(LLD1随访)。我们还包括两个独立的复制队列：237名LLD2参与者(有遗传和饮食数据)和77名GoNL参与者(只有遗传数据)(扩展数据图1和补充表1)。使用流动注射-飞行时间质谱(FI-MS)进行非靶向代谢组学分析，得出1183种代谢物的血浆水平(补充表2)。这些代谢物涵盖了广泛的脂类、有机酸、苯丙类、苯类和其他代谢物(扩展数据图2a)。由于我们观察到1183种代谢物之间的弱相关性(绝对rSpearman<0.2)(扩展数据图2b)，所以不需要减少数据，因此要对所有代谢物进行后续分析。我们通过将FI-MS中的某些代谢物(例如胆汁酸、肌酐、乳酸、苯丙氨酸和异亮氨酸)的丰度水平与之前通过液相色谱-串联质谱(LC-MS/MS)或NMR测定的丰度进行比较，验证了某些代谢物(例如，胆汁酸、肌酐、乳酸、苯丙氨酸)的鉴定和定量(rSpearman>0.62；扩展数据图2c，d)。

2 解释个体间代谢组变异的因素

为了比较饮食、遗传学和肠道微生物组在解释个体间血浆代谢组变异中的相对重要性，我们分别计算了这三个因素对整个血浆代谢组谱和个体代谢物解释的变异比例。收集到有关于78种饮食习惯(补充表3)、530万种人类遗传变异以及LLD1队列中每个个体的156个物种和343种MetaCyc途径的丰度的详细信息。饮食、遗传学和肠道微生物组分别可以解释整个血浆代谢组中个体间变异的9.3%、3.3%和12.8%，无需调整协变量(错误发现率(FDR)<0.05；图1a和补充表4)，而内在因素(年龄、性别和BMI)和吸烟共同解释了4.9%的变异。这些因素共同解释了血浆代谢组中25.1%的变化(图1a)。

接下来，测试了每种代谢物与饮食变量、遗传变异和微生物类群之间的成对关联。我们观察到2854个代谢物与饮食习惯的关联(补充表5)、48个代谢物与40个独特的遗传变异的关联(代谢产物数量性状位点(mQTL)；补充表6)、1373个代谢物与肠道细菌种类的关联(补充表7)和2839个代谢物与细菌MetaCyc途径的关联(补表8)。总共有769种代谢物与至少一种因素显著相关(图1b和补充表5-8)。然后，我们使用线性模型中的相互作用项进行相互作用分析，以评估饮食-微生物组、遗传学-微生物组和饮食-遗传相互作用在调节人类代谢组中的作用。其中，185种代谢物与多种因素相关，7种代谢物受遗传-微生物组、遗传-饮食或饮食-微生物组相互作用的影响(补充表9)。

由于相互作用有限，进一步使用具有最小绝对收缩和选择算子(lasso)的加性模型评估了由这些因素解释的每种代谢物的方差比例(见方法部分“估计个体代谢物方差”)。一般而言，733种代谢物的个体间差异可由三个因素中的至少一个来解释(FDRF-test <0.05；补充表10)。具体而言，饮食习惯在684种代谢物中贡献了0.4-35%的方差；微生物丰度在193种代谢物中贡献了0.7-25%的方差；遗传变异在44种代谢物中贡献了3-28%的方差(调整后的r2；FDRF-test <0.05；补充表10)。我们还使用Elastic Net估计了代谢物的解释方差，该模型设计用于高度相关的特征，并发现估计的解释方差在线性回归和Elastic Net回归之间具有可比性(补充图1)。

进一步比较了每种类型的因素(饮食、遗传或微生物组)所解释的方差，如果一个因素比其他两个因素解释的方差更多，则为每种代谢物指定主导因素。610种代谢物的个体间变异主要由饮食解释，85种由肠道微生物组解释，38种由遗传学解释(补充表10)。此后，我们将其分别称为饮食主导型、微生物组主导型和遗传主导型代谢物。代谢物的主导因素突出了其起源。例如，根据人类代谢组数据库(HMDB)中的注释，21种饮食主导代谢物中的10种(FDRF-test <0.05；补充表10)是食物成分，其中饮食解释了>20%的差异。同样，在85种微生物组主导代谢物中，有23种在HMDB中注释为微生物组相关代谢物(包括15种尿毒症毒素)。此外，在38种遗传主导代谢物中，10种是脂类，8种是氨基酸。综上所述，本研究分析强调，在解释血浆代谢物差异方面，饮食、遗传或微生物中的一个因素可能比其他两个因素具有主导作用，其中饮食或微生物组尤其占主导地位。然而，还发现，185种代谢物的显著差异归因于一个以上的因素(补充表10)，包括6种与遗传和微生物组相关的代谢产物和153种与饮食和微生物组相关的代谢产物。例如，马尿酸，这是一种尿毒症毒素，可通过细菌转化膳食蛋白质产生，其变异的13%由膳食解释，13%由微生物组解释(图1c)。

图1. 遗传、饮食和微生物组对血浆代谢组个体间变异的贡献。

a.使用PERMANOVA方法估计的指示因素解释了整个血浆代谢组的个体间差异。所有、所有指示因素的组合；smk，吸烟状态。b. Venn图显示了代谢物的数量，代谢物个体间的差异由饮食、遗传或肠道微生物组显著解释(FDRF-test<0.05)。c.代谢物的个体间差异由饮食、遗传或肠道微生物组解释，如使用线性回归方法(拉索回归方法用于特征选择)估计的，显著估计校正r2>5%(FDRF-test<0.05)。蓝色条表示饮食对代谢物变化的贡献，黄色条表示遗传贡献，橙色条表示微生物贡献。其他颜色表示代谢物的代谢类别(见图例)。y轴表示所解释的变异比例。TMAO，氧化三甲胺。  

3 代谢物随时间的时间变化

血浆代谢物的时间变化可以反映个人饮食、肠道微生物组和健康状况的变化。当评估311个LLD1随访样本中的血浆代谢组时，我们确实观察到血浆代谢组发生了显著变化，第二主成分存在显著差异(PPC1 paired Wilcoxon =0.1，PPC2 paired Wilcoxon=1.3×10−5，图2a)。基线遗传、饮食和微生物组，以及年龄、性别和BMI，可以解释随访血浆代谢组中59.4%的变异(PPERMANOVA=0.004)(补充图2)。我们还观察到，不同代谢物之间的时间稳定性可能存在很大差异(补充表11)。此前，评估了LLD1随访队列中肠道微生物组的变化，并将其与血浆代谢组的变化联系起来。在此，我们进一步检查了血浆代谢组随时间的变化，评估了饮食、微生物组和遗传主导的代谢物随时间的稳定性。有趣的是，微生物组主导代谢物的时间相关性与遗传主导代谢物相似(PWilcoxon=0.51；图2b)，而饮食主导代谢物之间的时间相关性显著低于微生物组和遗传主导代谢物之间的时间相关(PWilcoxon<3.4×10−5，图2b)。然而，基线确定的主要饮食、微生物和遗传因素也解释了后续样本中代谢水平的相似差异(扩展数据图3和补充表10)。本研究数据还揭示了稳定性与可以解释的方差量之间的正相关性：解释的方差越多，代谢物随时间越稳定(图2c)。对于少数代谢物，我们无法在第二个时间点复制基线时解释的方差，这些代谢物在两个时间点之间的丰度也表现出弱相关性或无相关性。例如，N-乙酰半乳糖胺在两个时间点之间表现出非常弱的相关性(r=0.13；P=0.02)，其遗传关联在第二个时间点没有被复制。

在确定了由饮食、遗传和肠道微生物组解释的代谢物差异以及解释大部分这种差异的主要因素之后，我们集中于详细说明具体的关联，以及本研究发现对评估饮食质量的潜在影响，并提高我们对复杂疾病的遗传风险以及饮食、微生物组、遗传和代谢之间的相互作用和因果关系的理解。

图2. 血浆代谢物的时间稳定性。

a.两个时间点代谢物水平的主成分分析(Euclidean差异)。绿色圆点表示基线样本，橙色圆点表示后续样本(n=311个生物学独立样本)。Kruskal–Wallis检验(双侧)用于检查基线和随访之间的差异。b.代谢物的时间稳定性由各代谢物主要相关因素分层。Wilcoxon检验(双侧)用于检查各组之间的差异。每个点代表一种代谢物。在a和b中，箱线图显示了第一和第二主成分(a)或相关系数(b)的中值和第一和第三四分位数(第25和第75百分位数)；上须和下须的最大值和最小值不超过1.5×四分位间距(IQR)；并单独绘制异常值。c.代谢产物稳定性与代谢产物差异之间的相关性由饮食(左)、遗传学(中)和微生物组(右)解释。x轴表示各因子解释的个体间变异，y轴表示两个时间点之间各代谢物丰度的Spearman相关系数(双侧)。白色虚线表示最佳拟合，灰色阴影表示95%置信区间(CI)(n=311个生物学独立样本)。  

4 代谢组反映了膳食质量评分

本研究观察到74种饮食因素和726种代谢物之间存在2854种显著关联(FDRSpearman<0.05)(图3a和补充表5)。理论上，与食物特定代谢物的关联可以用于验证食物问卷数据。例如，我们观察到的最强关联是奎宁酸水平与咖啡摄入量之间的关系(rSpearman=0.54；P=1.6×10−80; 图3b)。奎宁酸存在于多种不同的植物中，但在咖啡中的浓度特别高。另一个例子是2,6-二甲氧基-4-丙基苯酚，它与鱼类摄入量密切相关(rSpearman=0.53；P=1.5×10−76; 图3c)。根据HMDB注释，由于这种化合物特别存在于熏鱼中，还检测了饮食因素与某些疾病的代谢生物标志物之间的关联。例如，1-甲基组氨酸是心脏代谢疾病(包括心力衰竭)的生物标志物，我们观察到1-甲基组氨酸与肉类(rSpearman=0.12；P=7.2×10−5)、鱼摄入量(rSpearman=0.11；P=3.1×10−4)之间存在显著关联，素食者的1-甲基组氨酸水平较低(rSpearman=−0.15;P=9.7×10−7，图3d)。

鉴于饮食、代谢和人体健康之间的关系，我们想知道血浆代谢组是否可以预测饮食质量。对于每个Lifelines参与者，我们根据食物频率问卷(FFQ)数据构建了生命线饮食评分，反映了基于饮食-疾病关系的相对饮食质量。为了构建代谢模型来预测个人的饮食质量，本研究使用LLD1作为训练集，使用LLD2作为验证集。所得代谢模型包括76种代谢物，其中51种主要与饮食有关。代谢物预测的饮食评分与验证集中FFQ评估的真实饮食评分有显著关联(r2adjusted=0.27；PF-test=3.5×10−5，图3e)。我们还测试了其他四种饮食评分(替代地中海饮食评分、健康饮食指数(HEI)、蛋白质评分和改良地中海饮食评分)，发现血浆代谢物预测的HEI也与基于FFQ的HEI显著相关(r2adjusted=0.23；PF-test=6.5×10−5，补充表12)。

图3. 饮食习惯与血浆代谢物之间的关系a.饮食和代谢物之间关系的总结。

条形图代表饮食习惯，条形图的顺序按显著关联的数量排序。关联方向的颜色不同：橙色表示正关联，而蓝色表示负关联。b.血浆奎宁酸水平与咖啡摄入量之间的关系。c.血浆2,6-二甲氧基-4-丙基苯酚水平与鱼类摄食频率之间的关系(n=1054个生物独立样本)。d.素食者和非素食者血浆1-甲基组氨酸水平的差异(n=1054个生物学独立样本)。显示了Wilcoxon检验(双侧)的P值。e.血浆代谢组预测的膳食质量评分(y轴)与FFQ评估的膳食质量评分(x轴)之间的关联(n=237个生物学独立样本)。在b、c和e中，每个灰点表示一个样本，深灰色虚线表示线性回归线，灰色阴影表示95% CI。在b和c中，使用Spearman相关性(双侧；相关系数和P值)评估关联强度，在e中，使用线性回归(F检验；双侧；调整后的r2值和P值)评估预测性能。  

5 血浆代谢物的遗传关联

血浆代谢产物的遗传关联可以为复杂疾病的病因提供功能性见解。在校正了前两个主要遗传成分(年龄、性别、BMI、吸烟、78种饮食习惯、40种疾病和44种药物)后，LLD1的QTL图谱确定了44种代谢物和40种单核苷酸多态性(SNP)之间的48个研究范围内的独立遗传关联(PSpearman<4.2×10−11；clumping r2=0.05；clumping window =500 kb)；图4a和补充表6)。在LLD1随访或两个独立的复制数据集(LLD2和GoNL；补充图3和补充表6)中复制了所有48个遗传关联。本研究还评估了由问卷评估的身体活动对代谢的遗传关联的影响，但发现其影响可以忽略不计(补充图4)。全基因组关联研究(GWAS)分析的功能定位和注释(FUMA)显示，所鉴定的mQTL在肝脏和肾脏中表达的基因中富集(扩展数据图4)，并与代谢表型相关(补充表6)。

本研究发现，咖啡因代谢物5-乙酰氨基-6-甲酰氨基-3-甲基尿嘧啶(AFMU)与N-乙酰转移酶2(NAT2)基因附近的SNP rs1495741之间的关联最强(rSpearman=−0.52；P=1.7×10−66；图4b)，显示了与SNP rs35246381的强连锁不平衡(r2=0.98)。AFMU是NAT2活性的直接产物，与膀胱癌风险相关。有趣的是，血浆AFMU水平不仅与咖啡摄入量(rSpearman=0.29；P=9.2×10−22；补充表5)和rs1495741基因型有关，而且与它们的相互作用有关(补充表9)。具有同源AA基因型的个体具有相似的咖啡摄入量水平，但与GG和GA基因型个体相比，其咖啡摄入量与血浆AFMU水平之间的相关性显著更低(图4e，f)。

在多个位点上也观察到多效性mQTL效应，包括SLCO1B1、FADS2、KLKB1和PYROXD2(补充表6)。SLCO1B1蛋白的表达是肝脏特异性的，该转运蛋白参与各种内源性化合物和药物(包括他汀类药物)从血液运输到肝脏。SLCO1B1基因座还与血浆脂肪酸水平和他汀类药物诱导的肌病有关。此外，我们检测到rs67981690和微生物脂肪酸氧化途径之间的遗传-微生物组相互作用，调节血浆5′-carboxy-γ-chromanol水平(P=1.5×10−3)，其中细菌脂肪酸氧化途径与血浆5′-carboxy-γ-chromanol水平的关联取决于rs67981690的基因型(图4g，h)。

为了鉴定新的mQTL，我们从2008年开始对所有已发表的mQTL研究进行了系统检索(补充表13)。该方法在我们的数据集中鉴定了三个新的mQTL(补充表13)，它们要么不靠近先前报道的mQtl(距离>1000 kb)，要么不处于连锁不平衡(r2<0.05)。HYAL3处的前两个新SNPs-rs13100173和ARSB处的rs11741352与N-乙酰半乳糖胺-4-硫酸盐相关(图4c，d)。有趣的是，N-乙酰半乳糖胺-4-硫酸盐可以与HYAL蛋白(HYAL1、HYAL2、HYAL3和HYAL4)结合，这表明mQTL也可以精确定位潜在的代谢物-蛋白质相互作用。第三个新的mQTL是SCLT1处的rs17789626，它与用于治疗肾病综合征的化合物咪唑立宾有关。

图4. 血浆代谢物的遗传关联。

a.曼哈顿图显示了48个独立的mQTL，链接44个代谢物和40个遗传变异，P＜4.2×−11(Spearman)。标记了具有显著mQTL的SNP的代表基因。b.NAT2基因标签SNP(rs1495741)与血浆AFMU水平之间的关系。c.HYAL3基因中的SNP(rs13100173)与血浆N-乙酰半乳糖胺4-硫酸盐水平之间的关系。d.SCLT1基因标签SNP(rs17789626)与血浆咪唑立宾水平之间的关系。e.在rs1495741处不同基因型参与者咖啡摄入量的差异。f.在rs1495741处不同基因型参与者咖啡摄入量与AFMU的相关性。h. rs67981690不同基因型参与者细菌脂肪酸β-氧化途径丰度与5′-carboxy-γ-chromanol的相关性。在b-e和g中，x轴表示相应SNP的基因型，y轴表示相应代谢丰度的归一化残差(n=927个生物独立样本)。每个点代表一个样本。关联强度由Spearman相关系数和相应的P值表示。在f和h中，x轴表示咖啡摄入量(f)或细菌脂肪酸β-氧化途径(h)的标准化丰度，y轴表示相应代谢丰度的标准化残差。每个点代表一个样品(n=927个生物独立样品)。这些线分别表示每个基因型组的线性回归。浅灰色阴影区域表示线性回归线的95% CI。每个基因型的关联强度由Spearman相关性和相应的P值表示。  

6 微生物组在确定代谢物中的因果作用

本研究在208种代谢物和314种微生物因子(114种和200种MetaCyc途径)之间建立了4212种关联(FDRLLD1<0.05；PLLD1 follow-up <0.05；补充表7和8)。有趣的是，根据HMDB注释，许多与微生物种类和MetaCyc途径相关的代谢产物也已知与肠道微生物组相关。例如，本研究观察到919种与25种尿毒症毒素相关，142种与硫胺素(维生素B1)相关，117种与5种植物雌激素相关(FDR<0.05；补充表7和8)。尿毒症毒素和硫胺素已被证明与各种疾病有关，包括慢性肾病和心血管疾病。植物雌激素是一类植物衍生的多酚化合物，可被肠道微生物群转化为促进宿主代谢和免疫系统的代谢产物。

为了评估肠道微生物组组成是否与血浆代谢物水平有因果关系，我们进行了双向MR分析。在这里，我们重点研究了37种微生物特征，这些特征与至少三种独立遗传变异(P < 1 × 10−5时)和45种代谢物相关(补充表14)。当FDR<0.05时(对应于逆方差加权(IVW)检验得到的P=2×10−3)，我们在基线时观察到四种潜在的因果关系，这些因果关系也可以在微生物组到代谢物方向的随访中发现(图5a–d和补充表15和16)，但在相反的方向上没有发现(补充表17)，并且这些结果在加权中值检验后保持不变(P<0.03；补充图5)。为了确保数据符合MR假设，我们进行了几项敏感性分析，包括检查水平多效性(MR-Egger截距P>0.05；补充表15)和异质性(Cochran Q检验P>0.05；补充表15)以及leave-one-out分析(扩展数据图5)。我们没有使用MR Egger方法得出的因果估计来过滤结果，因为已知其检测因果关系的能力较低。这些敏感性检查进一步证实了这四个MR因果估计的可靠性。

进一步发现，微生物腺苷钴胺素生物合成(辅酶B12)丰度的增加与5-hydroxytryptophol(图5a)血浆水平的降低有关，5-hydroxytryptophol是一种与帕金森病相关的尿毒症毒素。我们还发现，血浆亚硫酸氢盐水平与Eubacterium rectale(图5c)有关，E. rectale是一种核心肠道共生物种，在我们的队列和其他人群中都非常普遍(存在率=97%)和丰富(平均丰度=8.5%)。作为一种严格的厌氧菌，E. rectale通过从不可消化纤维中产生丁酸和其他短链脂肪酸促进宿主的肠道健康，与健康对照组相比，在患有炎症性肠病和结直肠癌的受试者中观察到该物种的丰度降低。作为一种毒素，亚硫酸氢盐会干扰神经系统、心血管功能、炎症过程以及胃肠和肾脏系统。因此，本研究结果揭示了E. rectale潜在的新的有益作用。

为了进一步研究单个细菌物种的代谢潜力，我们应用新开发的管道来鉴定微生物初级代谢基因簇(gutSMASH途径)和微生物基因组结构变体(SVs)。这两种工具描述了与代谢功能有关的微生物基因组实体。通过将1183个代谢物与3075个gutSMASH途径和6044个SVs(1782个可变SVs(vSV)和4262个缺失SVs(dSV))相关联，我们观察到23662个与gutSMASH途径相关，790个与细菌SVs相关(FDRLLD1<0.05；PLLD1 follow-up<0.05；补充表18-20)。这些关联将微生物的遗传编码功能与代谢产物联系起来，从而提供了肠道微生物组功能输出的假定机制信息。在一个例子中，我们观察到微生物尿毒症毒素生物合成途径，包括甘氨酸裂解途径(Olsenella和Clostridium属物种)和hydroxybenzoate-to-phenol途径(Clostridium属物种)，分别与血浆中测量的马尿酸(Olsenilla物种：rSpearman=0.15；P=9.3×10−7；Clostridium物种：rSpearman=0.18；P=5.9×10−9)和苯酚硫酸盐(rSpearman=0.17；P=4.2×10−8；扩展数据图6a)水平相关(FDRLLD1<0.05和PLLD1 follow-up<0.05；扩展数据图6b)。

图5. 通过MR分析评估微生物组和血浆代谢物之间的因果关系。

a.腺苷钴胺素生物合成途径丰度与5-hydroxytryptophol水平之间的关联分析。b.糖原生物合成途径丰度与5-磺基-1,3-苯二甲酸水平的关系。c.E. rectale丰度与亚硫酸氢盐水平的关系。d. Veillonella parvula丰度与2,3-dehydrosilybin水平的关系。  

7 饮食-微生物组在代谢物控制中的调节作用

接下来，我们进行了中介分析，以调查饮食、微生物组和代谢物之间的联系。对于与饮食习惯和代谢物相关的675个微生物特征(FDR<0.05)，我们应用双向中介分析来评估微生物组和代谢物对饮食的影响。该方法建立了146个中介联系：133个是通过代谢产物对微生物组的饮食影响，13个是通过微生物组对代谢产物的饮食影响(FDRmediation<0.05，Pinverse-mediation>0.05；图6a、b和补充表21)。这些联系大多与咖啡和酒精对微生物代谢功能的影响有关(图6a)。

咖啡中含有多种酚类化合物，可通过结肠菌群转化为马尿酸。马尿酸是一种酰基甘氨酸，与苯丙酮尿症、丙酸血症和酪氨酸血症有关。我们观察到，马尿酸可以调节饮用咖啡对Methanobrevibacter smithii丰度的影响(Pmediation=2.2×10−16;图6c)。还观察到，通常在酒精饮料中检测到的啤酒花酸可以调节啤酒消费对Clostridium methylpentosum铁氧还蛋白:NAD+氧化还原酶(Rnf)复合物的影响(Pmediation=2.2×10−16;图6d)，这是一种重要的膜蛋白，驱动所有细菌代谢活动所必需的ATP合成。

在通过微生物组对代谢物的饮食影响中(图6b和补充表21)，一个有趣的例子是瘤胃球菌属物种vSV(300-305 kb)，其编码负责各种底物跨膜转运的ATP酶。该瘤胃球菌vSV介导了水果摄入对血浆尿石素B水平的影响(Pmediation=2.2×10−16; 图6e)。尿石素B是一种肠道微生物群代谢物，通过p62/Keap1/Nrf2信号通路保护心肌缺血/再灌注损伤。总之，本研究数据为饮食-代谢物和饮食-微生物组关系提供了潜在的机制基础。

图6. 中介分析确定了肠道微生物组、代谢物和饮食习惯之间的联系。

a.平行坐标图显示了在FDR<0.05时显著的血浆代谢物的133种中介作用。显示的是饮食习惯(左)、血浆代谢物(中)和微生物因素(右)。b.平行坐标图显示了在FDR<0.05时显著的微生物组的13种中介作用。显示的是饮食习惯(左)、微生物因素(中)和血浆代谢物(右)。c.分析咖啡摄入量对马尿酸介导的M. smithii丰度的影响。d.分析啤酒摄入量对啤酒花酸介导的C. methylpentosum Rnf复合物途径的影响。e.分析水果摄入量对瘤胃球菌物种(300-305 kb)中vSV介导的血浆尿石素B的影响。在c-e中，灰色线表示两个因素之间的关联，以及相应的Spearman系数和P值。红色箭头表示直接中介，蓝色箭头表示反向中介。

讨论

通过从1368名患者(311名患者有4年随访数据)的1679个样本中生成1183种代谢物的空腹血浆谱，本研究对这些患者进行了广泛的饮食记录、遗传学和肠道微生物组数据收集，同时进行了系统的饮食、遗传学和微生物组关联分析。本研究结果表明，饮食和肠道微生物组在解释代谢的个体间变差异方面比遗传起着更重要的作用，在代谢物中解释的变异越多，随着时间的推移代谢物就越稳定。

膳食成分是血浆代谢组的基本资源，最近的一项研究表明，个人的饮食习惯可以预测血浆中特定代谢物的水平，强调血浆代谢组反映了个人饮食习惯。然而，是否有可能根据血浆代谢组来评估个体的膳食质量评分仍有待确定。使用基于机器学习的预测模型，发现由个人血浆代谢组估计的饮食质量与FFQ估计的饮食质量具有显著相关性，这表明血浆代谢组在一定程度上反映了饮食质量。

膳食成分作为肠道微生物代谢途径的底物，导致一系列代谢产物的形成，这些代谢产物可从肠道吸收进入宿主循环。尽管早期的研究已经将肠道微生物的分类丰度与血浆代谢物联系起来，但这些研究并没有捕捉到负责代谢物生成的特定微生物酶，尽管需要这些信息来将相关联系与潜在的分子机制联系起来，本研究鉴定了以前未注释的微生物基因序列的假定代谢功能。此外，通过双向中介分析，我们确定了数百种中介联系，这些联系为深入了解人类代谢健康中的饮食-微生物组相互作用提供了依据，如先前与心脏代谢和肾脏疾病相关的几种代谢物(如苯酚和哌啶酸)所示。值得注意的是，这些中介联系主要表明，饮食组成对微生物组的影响可以通过代谢物介导，突出了饮食习惯在塑造肠道微生物组方面的显著选择能力。然而，由于这些结果主要基于观察数据，因此应谨慎解释这些关联，未来的干预和实验研究(侧重于特定饮食和微生物基因组能力)对于确认因果关系至关重要。

除了饮食和肠道微生物组外，人类遗传学也作为血浆代谢组的潜在决定因素。利用这个代谢组数据集，本研究不仅复制了先前报道的mQTL，而且还鉴定了三个mQTLs，涉及三个先前未知与任何代谢物相关的位点。本研究表征的mQTL可能与心脏代谢和慢性肾脏疾病有关。本研究还使用遗传变异作为MR的工具来推断肠道微生物组和代谢产物之间的因果关系。该分析表明，微生物组可能会导致与慢性肾脏疾病和心脏代谢疾病相关的毒素(亚硫酸氢盐和5-hydroxytryptophol)水平升高。因此，本研究已经建立的微生物组和代谢物之间的因果关系揭示了肠道微生物对人体健康的潜在代谢功能。

本研究存在一些局限性。使用FI-MS对非靶向血浆代谢组进行分析，没有使用液相色谱柱进行化合物分离，也没有使用真正的标准品。尽管使用LC-MS/MS或NMR平台很好地验证了一些代谢物的丰度，但使用FI-MS方法鉴定和定量质量峰通常仍不如经典LC-MS/MS平台准确。本研究系统地研究了遗传、饮食和微生物组对个体间代谢组差异的贡献，并在相隔4年的同一队列的两次独立代谢谱评估中复制了所解释的变异。然而，过度拟合可能仍然是一个问题，可能会使结论产生偏差。本研究的结果应该使用一个独立的队列来进一步复制，该队列也有关于代谢组、遗传学、微生物组、饮食、疾病和药物的类似广泛的数据集。然而，获得这样的队列具有挑战性，我们纳入了尽可能多的参与者进行复制，包括来自LLD2和GoNL队列的两组独立个体。尽管如此，本研究仍然不够有力。在发现集中观察到的效应大小和P<0.05水平下，有80%的概率复制100%的遗传关联，但只有60%的概率复制微生物关联。此外，微生物组和代谢物之间的因果关系基于单样本MR；在具有较大样本量和双样本MR分析的独立队列中的复制可以进一步加强这些观察结果并更好地建立可能的生物学意义。最后，LLD队列由来自荷兰北部地区的白种人荷兰参与者组成。因此，LLD结果可能偏向于受宿主遗传和当地环境暴露限制的特定区域微生物背景。我们主要通过整合不同的组学层来提供机制假设，从而关注生物学上合理的机制，因此实验验证是有必要的。

综上所述，本研究报告的膳食、遗传和微生物与血浆代谢物的关联以及因果和中介联系提供了一个全面的资源，可以指导旨在设计人类代谢健康预防和治疗策略的后续研究。