特定微生物组特征可精确预测非酒精性脂肪肝疾病

利用来自超过1,200人的医疗数据，研究人员已经确定了特定的微生物组特征，这些特征可以精确预测非酒精性脂肪肝疾病（NAFLD）。测试对象患有多种代谢性疾病，如NAFLD、肥胖、2型糖尿病、高血压和动脉粥样硬化，这些疾病被认为是NAFLD的典型并发症。

发现的特征是典型的特定微生物群落微生物组物种，它们可以预测细菌代谢物，帮助区分NAFLD患者和非NAFLD患者。这些特征还可以与其他疾病区分开来，因此特别适用于定向诊断。借助机器学习模型，研究人员使用收集的数据集实现了超过90%的诊断准确性。

NAFLD影响着西方国家多达40%的人口，是全球最常见的代谢性疾病之一。它以肝脏细胞中过量脂肪储存为特征，可能导致肝脏重量增加约10%，并伴有肝功能下降。

尽管进行了深入的研究，但疾病的发病机制及其进展（病理生理学）尚未完全了解。微生物群落微生物组在此过程中似乎起着重要作用，因为它影响所谓的“肠-肝轴”，因此可能显著参与NAFLD的发展。由莱布尼茨天然产物研究和感染生物学研究所（Leibniz Institute for Natural Product Research and Infection Biology - Hans Knöll Institute，Leibniz-HKI）领导的国际研究团队调查了微生物组组成是否可以作为NAFLD的指标。研究表明，特定的微生物群落微生物组构成，即其指纹或特征，未来可以用作更精确诊断和新的治疗形式的工具。

创新的NAFLD诊断分析方法

“NAFLD与2型糖尿病等其他代谢性疾病共同发生是一个特别的挑战，因为它使得难以区分具体的微生物组特征。我们能够识别出明确与NAFLD相关的特征，这可能实现差异化的诊断。”

——研究负责人Gianni Panagiotou

微生物群落微生物组的组成通常受多种因素的影响，如肥胖、年龄、饮食、性别或药物。

对疾病机制的见解

在研究中，使用了最先进的生态网络分析来解码不同微生物在其自然环境——人体微生物群落中的相互作用。这些分析依赖于跨学科、基于数据和计算机辅助的方法，以更好地理解物种与其环境之间的关系。研究人员表明，特定的微生物组网络直接与NAFLD的发展相关。这些方法不仅提供了精确的诊断见解，还加深了对疾病机制的理解。

未来前景：个性化医学

基于这些微生物组特征，可以提出治疗方案。例如，可以设想使用实验室专门生产的微生物群落，即选定的微生物群体，来积极影响微生物群落健康。

“我们的结果为个性化治疗开辟了新的可能性，这种治疗可以精确满足患者的个体需求。”Gianni Panagiotou说。他是耶拿大学微生物组动力学的卓越讲座教授，并在Leibniz-HKI担任同名部门的负责人。他的工作致力于“微生物宇宙平衡”卓越集群的核心主题，即理解微生物组与其环境之间的相互作用。

该研究的结果强调了微生物群落微生物组对于开发新方法在个性化医学中的重要性。结合遗传、临床和生态数据，为更好地理解和更有效地治疗如NAFLD等代谢性疾病提供了新的可能性。

这项最近发表在《Microbiome》杂志上的研究得到了德国研究基金会（DFG）作为“微生物宇宙平衡”耶拿卓越集群的一部分，以及联邦教育和研究部（BMBF）和欧洲委员会通过“地平线2020”研究与创新计划等的支持。

(全文结束)