10分好刊 | ICU患者粪便样本的多组学研究

一、背景介绍

重症监护病房（ICU）是收治病情最危重患者的科室，患者死亡率较高，在面对复杂病情和并发症时，比如急性呼吸窘迫综合征（ARDS）、败血症、多器官功能衰竭等，死亡率可能显著增加。ICU患者的高死亡率不仅与原发病的严重程度有关，还与患者的免疫状态、营养状况、微生物群落失调等多种因素密切相关，因此识别和干预这些潜在的风险因素对于改善患者的预后至关重要。随着多组学技术的快速发展，临床样本结合这些技术逐渐应用于临床研究中，尤其是通过粪便样本分析肠道微生物及代谢物，有望揭示患者疾病进展的潜在机制、发现新标志物、优化临床治疗策略。

 

二、材料方法

研究共纳入500名患者收集粪便样本，最终196名患者的样本可用于分析。宏基因组测序使用试剂盒提取样本DNA，制备测序文库后进行二代测序；代谢组中短链脂肪酸和琥珀酸进行GC-CI-MS分析，胆汁酸进行LC-ESI-QTOF-MS分析，色氨酸通过LC-ESI-QQQ-MS分析。 

 

临床数据统计的连续变量数据集使用Wilcoxon秩和检验进行比较，分类变量使用卡方检验，多重比较校正使用Benjamini-Hochberg方法；微生物组数据α多样性使用Shannon指数计算，β多样性使用Bray-Curtis距离度量进行非度量多维尺度分析，差异丰度分析使用MaAsLin2模型进行种、属和科的差异丰度分析；代谢数据相对定量分析应用火山图进行可视化，对30种代谢物进行绝对定量分析，包括SCFAs、胆汁酸、氨基酸和色氨酸代谢物等，使用接收者操作特征（ROC）分析确定每个代谢物的最佳浓度阈值，通过岭回归评估每个代谢物的重要性，并构建MDS模型；使用Kaplan-Meier生存曲线分析MDS与30天死亡率之间的关系，使用Cox比例风险模型评估MDS与30天死亡率的独立关联，通过比较幸存者和非幸存者之间的代谢物浓度差异，筛选与死亡率相关的代谢物。

 

三、结果讨论

研究队列中45名患者在30天内死亡，他们与幸存者在年龄、性别、种族和CCI方面无显著差异，但数据显示其中败血症和ARDS的比例更高，SOFA评分和APACHE II评分更高等。菌群数据分析显示，死亡与存活两组之间的香农指数无显著差异，但多样性高的患者生存概率更高，β多样性分析显示两组的微生物组成存在差异，死亡患者样本中肠球菌属的丰度更高，其相对丰度>19.9%的患者生存概率更低。代谢数据分析未发现单个代谢物浓度在组间存在显著差异，但提示有13种代谢物（均为胆汁酸）在生存组中浓度较高，而色氨酸、牛磺胆酸和熊去氧胆酸在生存组中浓度较低。

 

基于13种粪便代谢物（包括SCFAs、胆汁酸和色氨酸代谢物）的数据进行了MDS模型开发，在训练队列中发现MDS≥7.5的患者30天死亡率更高，每增加1个单位的MDS，30天死亡风险增加1.73倍，而MDS≥7.5的患者30天死亡风险增加8.66倍；模型性能分析显示，MDS模型在训练队列中的准确性为83.7%，在验证队列中为71.4%。联合分析显示微生物香农指数与MDS呈中度相关，校正混杂因素后未发现与MDS显著相关的微生物组组成变化，但未校正混杂因素时，Evtepia等与低MDS相关。

 

四、研究结论

研究通过多组学技术揭示了危重病患者肠道微生物组的代谢产物与30天死亡率之间的关系，并开发了一个具有潜在临床应用价值的生物标志物模型——代谢失调评分（MDS）。不仅为理解ICU患者的微生物组与宿主健康之间的复杂关系提供了新的视角，还为未来的精准医疗和临床干预提供了重要的科学依据。多组学技术在揭示疾病机制、发现新的生物标志物和治疗靶点以及推动跨学科研究方面具有重要的价值。

 

五、结果展开

图1. 显示基于宏基因组数据的多样性指标，以及与生存结果相关的菌群分类情况。

 

(A) 显示不同患者样本中菌群的相对丰度，右框显示细菌不同分类。 

(B) 显示两组样本中基于Shannon指数估算的α多样性。 

(C) 显示根据最佳阈值分析确定的Shannon多样性，关联患者30天的Kaplan-Meier生存曲线。 

(D) 显示通过非度量多维尺度分析（NMDS）确定的β多样性。 

(E) 显示两组样本中致病菌群相对丰度的箱线图。 

(F) 显示肠球菌属相对丰度状态，关联患者30天的Kaplan-Meier生存曲线。 

(G) 显示肠杆菌目相对丰度状态，关联患者30天的Kaplan-Meier生存曲线。

 

图2. 显示两组样本的定性和定量代谢组学数据分析。

 

(A) 显示两组样本定性检测出的代谢物火山图分析，对数变化大于0.75或小于-0.75的结果视为差异，q值≤0.1。

(B) 显示两组样本不同代谢物的定量分析结果，包括5-羟基吲哚乙酸、氨基酸、胆汁酸、脂肪酸、犬尿氨酸、酚类芳香族代谢物、短链脂肪酸等。

 

图3. 显示MDS的模型和相关生存指标。

 

图上半部显示模型的准确性、AUC（曲线下面积）、敏感性、特异性、低分与高分（通过最佳阈值分析确定）之间的RMST（限制平均生存时间）差异；图下半部显示按顺序加入模型的代谢物数量（x轴），以及每次迭代中加入的代谢物种类（y轴和彩色方框）；代谢物加入评分的顺序根据岭回归的绝对β值的增加来确定，RMST的P值通过对数秩检验确定

 

 

图4. 显示利用训练队列和验证队列，评估MDS对生存结果的预测能力。

 

(A) 和 (C) 分别显示训练队列和验证队列中不同组别的MDS小提琴图。

(B) 和 (D) 分别显示训练队列和验证队列的Kaplan-Meier生存曲线，关联MDS模型分析结果。

 

图5. 显示肠道菌群数据与与代谢数据的关联分析。

(A)显示基于Bray-Curtis距离度量的非度量多维尺度分析（NMDS）图，每个点代表一位患者，颜色编码表示其代谢失调评分（MDS）。 

(B) 图上半部显示每个样本菌群的相对丰度，下半部分别展示每个样本的Shannon多样性指数和MDS。

(C) 显示Shannon多样性指数（y轴）与MDS（x轴）之间的相关性散点图，图中回归线表示两者之间线性关系。 

(D) 显示未校正混杂因素时，通过MaAsLin2分析得到的几种细菌在科水平的差异丰度分析结果，y轴表示相对丰度，x轴表示MDS分组。

 

参考文献：

de Porto AP, Dylla NP, Stutz M, Lin H, Khalid M, Mullowney MW, Little J, Rose A, Moran D, McMillin M, Burgo V, Smith R, Woodson C, Metcalfe C, Ramaswamy R, Lehmann C, Odenwald M, Bandealy N, Zhao J, Kim M, Adler E, Sundararajan A, Sidebottom A, Kress JP, Wolfe KS, Pamer EG, Patel BK. Fecal metabolite profiling identifies critically ill patients with increased 30-day mortality. Sci Adv. 2025 Jun 6;11(23):eadt1466.