医生也有60W定律?成功的医生有哪些共性?你和同事的差距是什么时候开始拉开的?
关注“科研职场说”，每天分享医生职场生存技能！
现在关注，还能限时免费领取
医学科研路径
资源哦！
在《Nature Microbiology》期刊发表的这篇文章中，来自意大利和英国的联合科研团队研究了不同饮食模式（杂食、素食和纯素食）对肠道微生物组的影响。研究涉及21,561名来自五个独立、多国人群的个体，旨在绘制不同饮食模式如何在肠道微生物组中体现。研究发现，肠道微生物组能够很好地区分这些常见的饮食模式（平均AUC=0.85）。红肉是杂食者微生物组的强驱动因素，与之相关的特征微生物（如Ruminococcus torques、Bilophila wadsworthia和Alistipes putredinis）与宿主心脏代谢健康呈负相关。相反，纯素食者的特征微生物与有利的心脏代谢标志物相关，并在食用更多植物性食物的杂食者中富集。饮食特异性肠道微生物与食物微生物组部分重叠，特别是在纯素食者中与典型的土壤微生物重叠。常见西方饮食模式的特征可以支持未来的营养干预和流行病学研究。
饮食与人类健康密切相关，全球范围内，低加工、植物性食物的饮食导致的死亡人数超过其他任何风险因素。动物性食物对全球环境变化的贡献远高于植物性食物，因此，含有较高比例植物性食物的饮食越来越受到关注，因为它们可以降低疾病风险并减少环境负面影响。肠道微生物组在维护人类健康中扮演重要角色，并可通过饮食进行调节。植物多酚等成分已知可促进有益细菌，防止炎症并增强肠道屏障。相反，富含动物性食物的饮食可能导致蛋白质发酵增加，导致肠道黏膜渗漏、炎症增加和短链脂肪酸减少。这些饮食模式特定的肠道微生物特征可以支持未来的营养干预和流行病学研究。
这篇论文探讨了不同饮食模式（全食者、素食者和纯素食者）对肠道微生物组的影响及其相关健康结果。研究涉及来自五个独立、多国人群的21,561名个体，旨在绘制这些常见饮食模式在肠道微生物组中的差异。研究发现，红肉是全食者微生物组的主要驱动因素，其特征微生物与宿主心脏代谢健康呈负相关。而纯素食者的特征微生物则与有利的心脏代谢标志物相关，并在摄入更多植物性食物的全食者中富集。研究还发现，不同饮食模式的肠道微生物部分与食物微生物组重叠，尤其是乳制品微生物和纯素食者中的典型土壤微生物。
研究发现，杂食者的肠道微生物组中与红肉相关的微生物（如Ruminococcus torques、Bilophila wadsworthia和Alistipes putredinis）与宿主的心脏代谢健康呈负相关。而纯素食者的特征微生物则与有利的心脏代谢标志物相关，并且在杂食者中摄入更多植物性食物时也有所增加。研究还发现，不同饮食模式的肠道微生物部分与食物微生物重叠，尤其是乳制品微生物和纯素食者常见的土壤微生物。研究总结了不同饮食模式下肠道微生物的多样性和组成差异。杂食者的肠道微生物多样性显著高于素食者和纯素食者。通过机器学习分类器，研究能够高效地区分不同饮食模式的肠道微生物特征，尤其是在区分纯素食者与杂食者时表现最佳。研究还发现，饮食模式特定的肠道微生物与主要食物组（如肉类、乳制品、水果和蔬菜）的摄入量密切相关。此外，研究指出，饮食模式对肠道微生物的影响不仅体现在选择特定微生物上，还可能通过食物直接传递至肠道。研究结果表明，饮食选择可以通过简单的饮食调整直接影响肠道微生物组，从而影响健康。
1. 饮食模式与肠道微生物组成的关系：研究表明，不同的饮食模式与特定的肠道微生物特征紧密相关，尤其是红肉摄入显著影响杂食者的肠道微生物组。特定的微生物与宿主的心血管代谢健康呈负相关，如Ruminococcus torques、Bilophila wadsworthia和Alistipes putredinis。而纯素饮食相关的微生物则与较好的心血管代谢标志物相关。
2. 饮食与健康的关联：研究发现，杂食者的肠道微生物标志与不利的心血管代谢健康相关，而纯素饮食的微生物标志则与较好的健康结果相关。纯素与素食者的肠道微生物组中富含丁酸盐生产菌，这些菌种通过纤维降解促进肠道健康。
3. 食物对肠道微生物的直接贡献：研究还指出，某些食物中的微生物可能直接转移到肠道中，特别是乳制品中常见的细菌，如Streptococcus thermophilus，在杂食和素食者中更为常见，而在纯素者中则较少。
该研究的结果提示，饮食模式与肠道微生物组之间的关系可能对心血管代谢健康有直接影响。这一发现强调了饮食调整在预防和管理心血管疾病中的潜在作用。特别是，增加饮食中的植物性食物多样性可能有助于改善肠道健康，这对于杂食者尤其重要。
1. 研究人群：研究涵盖了来自五个独立、多国人群的21,561名参与者，包括英国和美国的三个ZOE PREDICT项目的队列，以及两组意大利参与者。
2. 饮食分类：参与者根据其饮食习惯被分为三类：杂食者（食用肉类、乳制品和蔬菜）、素食者（不食用肉类）和纯素食者（不食用肉类、乳制品及其他动物产品）。
3. 数据收集：参与者提供了粪便样本，这些样本经过全基因组鸟枪法测序。使用经过验证的定量食物频率问卷（FFQs）收集了每位参与者的饮食习惯数据，包括超过150种单一食品的习惯性摄入量。
4. 微生物群分析：使用MetaPhlAn 4工具对微生物进行分类和相对丰度分析。通过计算α多样性（物种丰富度）和β多样性（群落成分差异）来比较不同饮食模式的肠道微生物多样性。应用机器学习分类器（随机森林）来区分不同饮食模式下的肠道微生物群特征。5. 关联分析：通过偏相关分析和多元线性模型，研究了肠道微生物群的特定组成与饮食模式的关联，并分析了这些微生物群组成与饮食模式特征食品组（如肉类、乳制品、水果和蔬菜）的关系。6. 健康指标关联：使用ZOE Microbiome Ranking 2024对与心脏代谢健康（CMH）相关的微生物群进行排名，并比较不同饮食模式下的微生物群体对CMH的影响。
数据解读
图1：一个包含详细饮食信息的大型综合宏基因组数据集
图1展示了不同饮食模式下肠道微生物群的多样性和组成，数据来自五个不同的队列。
a. 为了展示每种饮食模式在五个队列中的样本量，作者使用对数刻度进行了展示。结果显示，各饮食模式的样本量在不同队列中存在差异。
b. 通过观察每种饮食模式在五个队列中的肠道微生物群丰富度。结果表明，不同饮食模式下肠道微生物群的丰富度存在显著差异。
c. 为了分析每种饮食模式在五个队列中的健康植物性饮食指数（hPDI）分布，作者将箱线图与小提琴图结合展示，参数与b图相同。Tukey对比分析用于多重比较后的ANOVA模型，结果显示不同饮食模式的hPDI分布存在显著差异。
d–h. 为了评估肠道微生物组成的β多样性，作者使用未加权的UniFrac距离进行主坐标分析（PCoA），每个点代表一个个体，椭圆表示95%置信区间。通过PERMANOVA校正性别、年龄和BMI，使用999次置换评估饮食模式间的统计差异。结果表明，不同饮食模式下肠道微生物组成的β多样性存在显著差异。
结论：不同饮食模式显著影响肠道微生物群的丰富度和组成，且这些影响在不同的人群中具有一致性。
图2旨在通过肠道微生物特征来区分不同的饮食模式，包括杂食者、素食者和纯素食者。
图3：杂食者与素食者和纯素食者饮食的肠道微生物特征
图3旨在比较杂食者与素食者和纯素食者的肠道微生物特征，通过分析不同饮食模式对肠道微生物群的影响，揭示饮食与微生物群之间的关系。
A. 为了比较杂食者与素食者肠道微生物群的差异，作者分析了前30个特征性SGBs在两种饮食模式下的流行情况。结果显示，这些特征性SGBs在杂食者和素食者的肠道微生物群中存在显著差异。
B. 通过对SGB相对丰度与饮食模式之间的相关性进行荟萃分析，作者报告了绝对SMD最大的前30个SGB，并给出了上下置信区间。结果表明，不同饮食模式与特定SGB的丰度之间存在显著相关性。
C. 作者对SGB相对丰度与五大主要食物组消费之间的相关性进行了荟萃分析，结果显示了合并效应大小及其上下置信区间，揭示了食物消费与SGB丰度之间的关系。
D. 通过荟萃分析，作者研究了SGB相对丰度与杂食者和素食者中hPDI之间的相关性，结果显示了合并效应大小及其上下置信区间，表明hPDI与特定SGB丰度之间存在相关性。
E. 作者分析了每个特征性SGB的ZOE MB健康排名，结果显示了这些SGB在健康排名中的位置。
F. 利用机器学习方法，作者根据FFQs预测了杂食者和素食者之间每个特征性微生物的存在情况，结果表明机器学习可以有效区分两种饮食模式下的微生物特征。
G. 为了比较杂食者与纯素食者肠道微生物群的差异，作者分析了前30个特征性SGBs在两种饮食模式下的流行情况。结果显示，这些特征性SGBs在杂食者和纯素食者的肠道微生物群中存在显著差异。
H. 通过对SGB相对丰度与饮食模式之间的相关性进行荟萃分析，作者报告了绝对SMD最大的前30个SGB，并给出了上下置信区间。结果表明，不同饮食模式与特定SGB的丰度之间存在显著相关性。
I. 作者对SGB相对丰度与五大主要食物组消费之间的相关性进行了荟萃分析，结果显示了合并效应大小及其上下置信区间，揭示了食物消费与SGB丰度之间的关系。
J. 通过荟萃分析，作者研究了SGB相对丰度与杂食者和纯素食者中hPDI之间的相关性，结果显示了合并效应大小及其上下置信区间，表明hPDI与特定SGB丰度之间存在相关性。
K. 作者分析了每个特征性SGB的ZOE MB健康排名，结果显示了这些SGB在健康排名中的位置。
L. 利用机器学习方法，作者根据FFQs预测了杂食者和纯素食者之间每个特征性微生物的存在情况，结果表明机器学习可以有效区分两种饮食模式下的微生物特征。
结论：通过比较杂食者与素食者和纯素食者的肠道微生物特征，研究揭示了不同饮食模式对肠道微生物群的显著影响，并展示了饮食与微生物群之间的复杂关系。机器学习方法能够有效区分不同饮食模式下的微生物特征。
图4探讨了素食者与纯素食者肠道微生物的特征差异，分析了不同饮食模式对肠道微生物群落的影响。
A. 为了比较素食者和纯素食者肠道微生物群中前30个特征性SGBs（种群基因组群）的普遍性，作者分析了这两种饮食模式下的肠道微生物组。结果显示，素食者和纯素食者的肠道微生物群中存在显著差异的SGBs。
B. 通过对SGB相对丰度与饮食模式之间的相关性进行元分析，作者报告了绝对标准化均差（SMD）最大的前30个SGB。结果表明，某些SGB的相对丰度与素食或纯素饮食模式之间存在显著的相关性。
C. 通过元分析，作者计算了SGB相对丰度与五大主要食物组摄入量之间相关性的汇总效应量，并提供了上下置信区间。结果显示，不同食物组的摄入量对某些SGB的相对丰度有显著影响。
D. 通过元分析，作者计算了SGB相对丰度与素食者和纯素食者中健康植物性饮食指数（hPDI）之间相关性的汇总效应量，并提供了上下置信区间。结果显示，hPDI与某些SGB的相对丰度之间存在显著相关性。
E. 作者使用ZOE MB健康排名评估了每个特征性SGB的健康影响。结果显示，不同SGB在健康影响上的排名存在差异。
F. 使用机器学习方法，作者基于食物频率问卷（FFQs）预测了素食者和纯素食者之间每个特征性微生物的存在情况。结果表明，机器学习模型能够有效区分素食者和纯素食者的微生物特征。
