Microbioma integrado | SwiftSummit Innovations Inc.

Scientific Data volume 10, Número do artigo: 280 (2023) Citar este artigo

479 acessos

9 Altmétrica

Detalhes das métricas

A deposição excessiva de gordura pode desencadear doenças metabólicas, e é crucial identificar os fatores que podem quebrar a ligação entre a deposição de gordura e as doenças metabólicas. Porcos Laiwu obesos saudáveis (LW) têm alto teor de gordura, mas são resistentes a doenças metabólicas. Neste estudo, comparamos o microbioma fecal, o metaboloma fecal e sanguíneo e o genoma de porcos LW e Lulai (LU) para identificar fatores que podem bloquear a ligação entre a deposição de gordura e doenças metabólicas. Nossos resultados mostram diferenças significativas em Espiroquetas e Treponema, que estão envolvidos no metabolismo de carboidratos, entre LW e LU. A composição dos metabolomas fecais e sanguíneos foi semelhante e alguns componentes de doenças antimetabólicas dos metabolitos sanguíneos foram diferentes entre as duas raças de porcos. O RNA diferencial previsto é enriquecido principalmente no metabolismo lipídico e no metabolismo da glicose, o que é consistente com as funções da microbiota diferencial e dos metabólitos. O gene RGP1 regulado para baixo está fortemente correlacionado negativamente com o Treponema. Nossos dados ômicos forneceriam recursos valiosos para pesquisas científicas adicionais sobre obesidade saudável em humanos e suínos.

A deposição excessiva de gordura pode levar a danos crônicos aos órgãos e doenças metabólicas1,2,3. No entanto, fatores genéticos sozinhos não podem explicar totalmente essas condições4. O papel dos fatores metabólicos, como microbiota intestinal e metabólitos5,6,7,8, tem ganhado cada vez mais atenção na compreensão das causas de doenças metabólicas crônicas induzidas pela obesidade9,10,11. Foi demonstrado que alterações na composição da microbiota intestinal desencadeiam doenças metabólicas crônicas, incluindo hipertensão, aterosclerose e diabetes mellitus tipo 2 (DM2)12,13,14. A microbiota produtora de metabólitos essenciais como o N-óxido de trimetilamina (TMAO) está diretamente ligada a doenças metabólicas crônicas, como aterosclerose, DM2, doenças cardiovasculares (DCV) e acidente vascular cerebral15,16,17,18. Além disso, a microbiota intestinal pode fermentar carboidratos não absorvidos/não digeridos para produzir ácidos orgânicos alifáticos como ácidos graxos de cadeia curta (SCFAs)19,20. Os SCFAs podem proteger o hospedeiro da obesidade induzida pela dieta por meio de receptores acoplados à proteína G, e a microbiota regula indiretamente o metabolismo lipídico do hospedeiro por meio dos SCFAs21,22,23. Assim, os micróbios intestinais atuam como um órgão endócrino, produzindo metabólitos bioativos que afetam a fisiologia do hospedeiro7,24,25,26. Por outro lado, estudos recentes mostraram que o genoma do hospedeiro pode influenciar fenótipos relacionados, alterando a microbiota intestinal. Por exemplo, os genótipos ABO podem influenciar a estrutura da microbiota intestinal regulando a N-acetilgalactosamina (GalNAc)27. Portanto, integrar a análise ômica pode ajudar a identificar os principais fatores que protegem os indivíduos contra doenças metabólicas.

Os porcos tendem a ser resistentes a doenças metabólicas, como doença hepática gordurosa não alcoólica (NAFLD), DM2 e DCV, embora sejam alimentados com dietas ricas em gordura, frutose e carboidratos28,29. Esse fenômeno é semelhante à obesidade metabólica saudável (OHM) que são obesos, mas protegem contra doenças metabólicas30. O porco Laiwu demostic chinês (LW) é conhecido por seu alto teor de gordura, incluindo gordura subcutânea e gordura intramuscular (IMF)31,32,33,34. Em particular, o FMI de LV subiu para mais de 7%, a média foi de até 11,6% e o maior individual foi de até 21%. O LW foi cruzado com o porco comercial ocidental Yorkshire Pig (YS) para criar o porco Lulai (LU) que tem 50% de infiltração do gene LW35. O teor de gordura de LU foi menor que o de LW, e o IMF foi de cerca de 5%. Neste estudo, escolhemos oito porcos LW e oito LU com dieta, higiene e condições ambientais semelhantes para manejo centralizado ao longo de dois anos (Tabela 1). Processamos o microbioma fecal, o metaboloma fecal, o metaboloma sanguíneo e todo o genoma dos porcos-alvo (como mostrado na Fig. 1) para identificar os principais fatores que protegem os indivíduos contra doenças metabólicas por meio da análise de integração ômica.

50% in the group. The positive and negative ion peaks then were integrated, and the software SIMCA-P 14.1 (Umetrics, Umea, Sweden) was used for pattern recognition. Accurate mass matching (<25 ppm) and secondary spectrum matching were used for metabolite structure identification, and the database such as Human Metabolome Database (HMDB) and Massbank Database were searched. After retrieving metabolites, metabolites were classified using MSDIAL search software. The data was normalized by Pareto-scaling for subsequent analysis./p> 60.0, MQ < 40.0, MQRankSum <−12.5, ReadPosRankSum <−8.0, SOR > 3.0; (2) minor allele frequency (MAF) < 0.01; (3) call rate of GATK variants < 0.9. The number of SNPs obtained is shown in Table 4. Genotype density distribution was mapped using the CMplot R package. Principal components analysis (PCA) was calculated using Plink47 (v1.9). Population genetic structure analysis was performed using Admixture48 (v1.3.0). PCA and Admixture analyses included the SNPs of Yorkshire pigs (YS), Duroc pigs (DU) and Landrace pigs (LR) were obtained from the PHARP database49 (http://alphaindex.zju.edu.cn/PHARP/index.php). FST analysis was performed using VCFtools50 (v0.1.13,–fst-window-size 50,000–fst-window-step 10,000. Window size 50 K, step size 10 K). Gene expression prediction was performed using the FarmGTEx TWAS-server51,52 (http://twas.farmgtex.org/). Functional annotation for gene ontology (GO) and KEGG was performed using http://kobas.cbi.pku.edu.cn/./p>1 and Pvalue < 0.05 (one-way ANOVA for multi-group comparison) to identify those with significant differences. Our results revealed 81 metabolites that differed significantly between the two porcine groups (Supplementary Table S5). Of these, 41 metabolites were more abundant in LW, including angelicin, securinine, hypoxanthine, betaine, cytidine, homocysteine, curdione, inosine, isopimpinellin, 5-methoxypsoralen, palmitoylcarnitine, citrate, stearic acid, cytarabine, licochalcone A, and N-acetylneuraminic acid. On the other hand, 40 metabolites were more abundant in LU, including nitrazepam, acetaminophen, icosanoic acid, gabapentin, spegatrine, juarezic acid, dehydroeffusol, gomisin H, and DL-2-hydroxyvaleric acid. Notably, some of these changing blood metabolites may be related to the fat content of pigs, as they have been shown to have anti-adipogenesis and anti-chronic metabolic disease effects. For instance, hydroxy fatty acids have been reported to exhibit anti-diabetic and anti-inflammatory effects60, and tanshinone IIA is used to treat cardiovascular diseases and has anti-adipogenesis effects61,62,63. Betaine has anti-fatty liver and anti-inflammatory properties, which can prevent hyperglycemia and reduce insulin resistance64,65,66./p> 0.6, Pvalue < 0.05, Supplementary Table S9)./p>