DOI:10.20047/j.issn1673-7210.25120154
中图分类号:R587.1
孔凤瑶, 李清清, 唐翠霞, 巫丽丽
| 【作者机构】 | 广西医科大学附属肿瘤医院内分泌代谢肾病内科 |
| 【分 类 号】 | R587.1 |
| 【基 金】 | 广西自然科学基金资助项目(2023GXNSFBA026147) 广西医疗卫生适宜技术开发与推广应用项目(S2021025) 广西中医药适宜技术开发与推广项目(GZSY 2025073)。 |
糖尿病是认知功能障碍的重要危险因素之一。与非糖尿病患者相比,糖尿病患者患阿尔茨海默病、认知障碍和认知能力下降的风险高出1.5~2.0倍[1-2]。近年来,大量研究指出肠道菌群与2型糖尿病(type 2 diabetes mellitus,T2DM)的发生和发展密切相关,然而,二者之间的关系尚未得到充分研究[3]。本研究采用16s rRNA测序方法,分析比较正常人群、T2DM患者及T2DM合并轻度认知障碍(mild cognitive impairment,MCI)患者肠道菌群结构、丰度及多样性差异,分析其临床检测指标相关性,以期早期识别和预测T2DM认知功能障碍。
选取2022年1月至2024年5月广西医科大学附属肿瘤医院内分泌代谢肾病内科收治的T2DM合并MCI患者20例(MCI组)和单纯T2DM患者20例(T2DM组);20例正常人群(NC组)来自同期广西医科大学附属肿瘤医院体检中心。本研究经广西医科大学附属肿瘤医院科技伦理委员会通过(KY20251007),研究对象均签署知情同意书。
根据《中国糖尿病防治指南(2024版)》[4],如果有典型的糖尿病症状(如烦渴多饮、多尿、多食、不明原因体质量下降),满足空腹静脉血浆葡萄糖 ≥7.0 mmol/L,或口服葡萄糖耐量试验2 h静脉血浆葡萄糖 ≥11.1 mmol/L,或糖化血红蛋白 ≥6.5%,或随机静脉血浆葡萄糖 ≥11.1 mmol/L,可诊断为糖尿病;如果缺乏典型的糖尿病症状,则需要同一时间点的两个血糖指标或两个不同时间点的血糖指标达到或超过诊断切点(不包括随机静脉血浆葡萄糖)方可诊断为糖尿病。经综合考虑患者的起病年龄、起病方式、胰岛功能、是否肥胖、自身免疫因素后确诊T2DM。
MCI组纳入标准:早期认知功能障碍诊断参考2006年欧洲阿尔茨海默病协会制定的MCI诊断程序及标准,采用简易智能状态检查量表、蒙特利尔认知评估量表,对研究人群进行认知功能评定,筛查出MCI以上的认知功能障碍者[5]。向患者及签署授权同意书的被授权人充分告知研究内容,并签署《知情同意书》。T2DM组纳入标准:符合T2DM诊断标准[4]。NC组纳入标准:40~80岁,既往病历及同期体检中无影响血糖的相关疾病及近3个月未服用抗生素、益生菌等可能影响肠道菌群的因素。
有明确器质性脑血管疾病、肿瘤、外伤等导致的认知功能障碍;严重心、肝、肾等功能不全;有明确精神障碍疾病;糖尿病严重并发症如酮症酸中毒和/或高渗状态;患有感染性疾病、胃肠道疾病、内分泌代谢性疾病、自身免疫性疾病、血液系统和心血管系统疾病及神经精神疾病;便秘、腹泻等大便性状异常;试验前3个月内服用过益生菌、抗生素等药物。有视听觉及言语沟通能力障碍。
研究对象于空腹状态下采集静脉血10 ml,分离血清后转运至-80 ℃冰箱保存。平均红细胞体积、血小板平均体积、血小板分布宽度采用全自动血液分析仪检测(深圳迈瑞生物医疗电子股份有限公司,BC-7500[NR]CS)。空腹血糖、餐后2 h血糖、总胆红素、直接胆红素、间接胆红素、总胆固醇、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、甘油三酯均采用全自动生化分析仪检测(德国Siemens AG公司,ADVIA Chemistry XPT)。糖化血红蛋白采用糖化血红蛋白分析仪(深圳迈瑞生物医疗电子股份有限公司,H50)检测。
采用无菌勺收集各组新鲜粪便5 g,放入无菌保存管,置于-80 ℃冰箱中存放待检。200 mg粪便样本提取细菌DNA[磁珠法提取试剂盒,DP328,天根生化科技(北京)有限公司],通过PCR扩增细菌16S rRNA的V3-V4可变区[Bio-rad T100梯度PCR仪,安诺伦(北京)生物科技有限公司],引物序列:341正向引物为5’-CCTACGGGRBGCASCAG-3’;806反向引物为5’-GGACTACNNGGGTATCTAAT-3’。将PCR产物混匀后纯化,进行16S rDNA扩增子测序(16S rDNA Amplicon Sequencing,北京诺禾致源生物科技有限公司)。在QIME平台对样品群落组成进行α多样性和β多样性分析。采用线性判别效应分析(linear discriminant analysis effect size,LEfSe)展示组间差异菌群,并将差异菌属与生化指标进行Spearman相关性分析。
采用SPSS 23.0统计学软件进行数据分析。符合正态分布计量资料采用均数±标准差
表示,两组间比较采用独立样本t检验,多组间比较采用单因素方差分析,在整体ANOVA结果显著(P<0.05)后,组间两两比较采用LSD法;非正态分布计量资料以中位数及四分位数[M(P25,P75)]表示,多组间比较采用非参数独立样本Kruskal-Wallis检验,使用Dunn检验进行事后两两比较。计数资料采用例数表示,组间比较采用χ2检验。由于MCI组与NC组在年龄上存在显著差异,为了排除年龄的混杂效应,本研究采用了偏相关分析来评估肠道菌群丰度与认知功能之间的关联。Spearman相关分析差异菌属与生化指标的相关性。LEfSe以IDA Score>4物种为组间差异有统计学意义的生物标志物。以P<0.05为差异有统计学意义。
三组性别与体质量指数比较,差异无统计学意义(P>0.05)。MCI组年龄大于NC组(P<0.05),但MCI组与T2DM组年龄比较,差异无统计学意义(P>0.05)。与NC组比较,T2DM组与MCI组糖化血红蛋白、空腹血糖、餐后2 h血糖水平升高,而高密度脂蛋白胆固醇降低(P<0.05),提示两组血糖控制情况及血脂特征相似。三组低密度脂蛋白胆固醇、甘油三酯比较,差异无统计学意义(P>0.05)。T2DM组与MCI组血小板分布宽度均低于NC组(P<0.05),但MCI组与T2DM组血小板分布宽度比较,差异无统计学意义(P>0.05)。T2DM组与MCI组总胆红素和直接胆红素水平均低于NC组(P<0.05)。三组平均红细胞体积、血小板平均体积、间接胆红素比较,差异无统计学意义(P>0.05)。见表1。
表1 一般资料及生化指标比较
组别例数性别(男/女,例)年龄(岁,xˉ±s)糖化血红蛋白[%,M(P25,P75)]空腹血糖[mmol/L,M(P25,P75)]餐后2 h血糖[mmol/L,M(P25,P75)]NC组2010/1050.25±10.085.79(5.70,5.90)5.11(4.88,5.54)6.64(5.56,6.91)T2DM组207/1355.25±11.159.60(8.20,11.30)aa9.74(7.36,14.42)aa14.49(10.17,16.66)aa MCI组2010/1061.10±13.17a9.96(7.18,11.60)aa8.55(5.65,13.99)aa13.38(9.16,15.16)aaχ2/F/H值1.2124.43138.60325.35926.637 P值0.5450.016<0.001<0.001<0.001体质量指数总胆固醇高密度脂蛋白胆固醇低密度脂蛋白胆固醇甘油三酯组别例数[kg/m2,M(P25,P75)](mmol/L,xˉ±s)[mmol/L,M(P25,P75)][mmol/L,M(P25,P75)][mmol/L,M(P25,P75)]NC组2022.60(21.15,25.40)5.61±0.991.43(1.26,1.57)3.52(2.70,3.93)1.79(1.36,1.96)T2DM组2023.45(20.53,26.58)4.96±1.361.25(0.98,1.39)a2.71(2.12,3.29)1.48(0.89,2.73)MCI组2024.45(20.58,27.95)4.79±1.291.04(0.87,1.23)aa2.90(1.74,3.59)1.68(0.99,3.57)H/F值1.1082.46017.3645.6040.437 P值0.5750.094<0.0010.0600.804平均红细胞体积血小板平均体积血小板分布宽度总胆红素直接胆红素间接胆红素组别例数[fL,M(P25,P75)][fL,M(P25,P75)][%,M(P25,P75)][µmol/L,M(P25,P75)](µmol/L,xˉ±s)[µmol/L,M(P25,P75)]NC组2089.25(87.83,91.83)8.55(7.73,9.33)16.50(14.58,17.18)13.40(10.53,16.08)4.07±1.219.05(7.40,10.88)T2DM组2086.15(79.55,90.53)9.20(8.20,10.03)13.05(9.75,15.90)aa10.65(6.48,14.75)a2.99±1.71a7.15(4.73,10.60)MCI组2086.60(81.58,89.95)8.95(8.40,9.50)15.70(9.73,16.20)a8.90(6.68,10.73)a2.66±1.61aa6.50(5.70,7.35)H/F值5.9732.82711.0447.3684.6665.133 P值0.0500.2430.0040.0260.0130.077
注 与NC组比较,aP<0.05,aaP<0.01。NC:正常;T2DM:2型糖尿病;MCI:轻度认知障碍。
与NC组和T2DM组比较,MCI组α多样性dominance指数升高(P<0.01),shannon指数降低(P<0.01)。通过主坐标分析(principal coordinates analysis,PCoA)对菌群结构展示发现,NC组、MCI组在PC1轴呈分离趋势。与NC组比较,T2DM组和MCI组β多样性升高(P<0.05)。与T2DM组比较,MCI组β多样性降低(P<0.01)。见图1。
图1 肠道菌群α多样性指数和β多样性指数
如图2所示,在门水平上,与NC组比较,MCI组Firmicutes丰度升高(P<0.05),T2DM组和MCI组Proteobacteria丰度升高(P<0.05),MCI组Bacteroidota丰度升高(P<0.01)。在排除年龄影响后,MCI组Firmicutes、Bacteroidota丰度仍与认知功能障碍相关(表2)。LEfSe分析显示,设定LDA score>4。在属水平上,MCI组生物标志物包括Escherichia-Shigella、Klebsiella、Collinsella、Enterococcus;NC组生物标志物包括Bacteroides、Faecalibacterium。
图2 菌群组成及差异分析
表2 门水平上三组偏相关分析
门水平未校正的r值未校正的P值校正年龄后的r值校正年龄后的P值Firmicutes-0.3610.022-0.3240.044 Proteobacteria0.5120.0010.4250.007 Bacteroidota-0.4630.003-0.3420.033
采用Spearman分析对各组肠道显著富集的菌属与生理指标进行相关性分析。在门水平上,Proteobacteria相对丰度与糖化血红蛋白、年龄呈正相关(P<0.05)与血小板分布宽度呈负相关(P<0.05)。Firmicutes相对丰度与总胆固醇、血小板分布宽度呈正相关(P<0.05)。Bacteroidota相对丰度与餐后2 h血糖、年龄呈负相关(P<0.05)。在属水平上,MCI组富集的Escherichia-Shigella与平均红细胞体积呈负相关(P<0.05),Klebsiella与餐后2 h血糖、糖化血红蛋白呈正相关(P<0.05),Collinsella与空腹血糖、餐后2 h血糖、糖化血红蛋白呈正相关(P<0.05),Enterococcus与直接胆红素、高密度脂蛋白胆固醇、总胆固醇呈负相关(P<0.05)。见图3。
图3 肠道菌群与生理指标的相关性分析
基于PICRUST2进行功能丰度聚类分析,各组间代谢路径表达水平存在显著差异。在NC组中,相关路径顺式十八碳烯酸合成、丙酮酸发酵合成异丁醇、甘油二酯生物合成、磷酸戊糖途径、L-异亮氨酸生物合成Ⅱ、L-缬氨酸生物合成、L-异亮氨酸生物合成Ⅰ、糖原生物合成Ⅰ、淀粉降解Ⅴ、糖原降解Ⅰ呈现高表达;相较于NC组,T2DM组与MCI组在这些途径中均呈较低表达;相较于T2DM组,MCI组以上途径表达水平亦呈下降趋势。见图4。
图4 PATHWAYS功能丰度聚类分析
糖尿病对中枢神经系统有着严重影响,研究报道,T2DM使痴呆症患病风险增加近37%,MCI风险增加约20%[6]。最近的研究提示肠道菌群-肠-脑轴紊乱已经成为糖尿病认知功能障碍的重要因素,但在人群中的研究证据仍然严重不足,因此本研究使用16s rRNA V3-V4测序技术对正常人群、T2DM患者和T2DM合并MCI患者肠道菌群的情况进行检测分析。
本研究发现,T2DM及MCI人群的肠道菌群多样性呈特定演变趋势。α多样性分析显示,MCI组Dominance指数显著升高,Shannon指数降低,提示菌群结构趋于单一化,生态稳定性减弱。β多样性分析显示,T2DM与MCI组较NC组异质性增强;但MCI组较T2DM组显著降低,这种“回落”现象揭示了从T2DM向MCI进展过程中,菌群经历了从广泛紊乱到特定优势化的结构重塑。此外,MCI组变形菌门丰度大幅升高,Escherichia-Shigella、Klebsiella、Collinsella及Enterococcus属水平差异显著,提示上述菌群改变与糖尿病合并认知功能障碍的发生、发展密切相关。
与产氧化三甲胺菌属共存,促进动脉粥样硬化[7];志贺菌可加剧糖脂代谢紊乱,志贺杆菌丰度在认知障碍和脑淀粉样变性患者的粪便中较高,与Escherichia-Shigella的脂多糖激活小胶质细胞,促进肿瘤坏死因子α释放,导致海马突触可塑性受损相符[8-10]。
Klebsiella被认为是T2DM相关肠道菌群失调的核心病原体之一,也是糖尿病相关的潜在菌群标志物之一[11-12]。在T2DM模型小鼠中,Klebsiella的相对丰度显著升高,与空腹血糖、口服葡萄糖耐量试验曲线下面积、低密度脂蛋白胆固醇和丙酮酸水平呈正相关[13]。Klebsiella产生的脂多糖可激活TLR4通路,触发炎症因子,加剧胰岛素抵抗和糖尿病进展[14]。肺炎克雷伯菌可易位至脑部,引发海马和前额叶皮质区促炎因子显著升高,直接损害神经元功能[15]。以上研究均表明了克雷伯菌与T2DM认知功能障碍之间存在联系。
T2DM患者肠道中Collinsella丰度显著高于正常人群。Collinsella与血清胆固醇和甘油三酯水平相关[16]。C57BL/6J小鼠实验表明,该菌可显著升高小鼠总胆固醇和低密度脂蛋白胆固醇引发小鼠糖脂代谢紊乱[17]。自发性T2DM食蟹猴血清中Collinsella丰度显著高于健康组,且与糖化血红蛋白水平呈正相关[18]。柯林斯菌属丰度升高与组氨酸代谢、硫代谢等功能基因上调相关,可能通过慢性炎症加速中老年糖尿病患者衰弱进程[19]。Collinsella丰度与认知能力指标NOR指数呈强负相关,调节Collinsella丰度可能是T2DM相关认知能力下降的治疗策略[20]。Collinsella作为促炎菌属,是阿尔茨海默病的独立危险因素,其机制涉及与APOEε4等位基因的交互及T2DM相关炎症通路[21]。
多项文献表明T2DM患者的Enterococcus数量显著高于健康人群[22-23]。血糖控制不良患者肠球菌数量显著升高[22]。肠球菌与葡萄糖稳态受损有关。相关因素包括糖化血红蛋白升高、空腹和餐后血糖水平升高及β细胞功能受损[23]。有动物实验表明,口服Enterococcus faecium(NK2003)可穿越肠道屏障,部分阻断肠球菌的神经炎症通路,缓解认知障碍[24]。肠球菌可在原代大鼠皮层神经元中产生早期阿尔茨海默样神经原纤维表位[25]。Enterococcus的丰度与海马体积和N-乙酰天冬氨酸水平呈显著负相关,表明其可能与脑损伤相关[26]。
肠道菌群与生理指标的相关性分析显示,Proteobacteria与糖化血红蛋白呈正相关,与2024年发表的多队列研究结果相同,Proteobacteria被认为是胰岛素抵抗和血糖控制不佳的微生物特征[27];Proteobacteria丰度随年龄增长而增加,与本研究结果相符[28]。糖化血红蛋白是影响T2DM患者发生肺炎克雷伯菌感染的独立危险因素[29]。Proteobacteria、Firmicutes相对丰度与血小板分布宽度呈负相关,Escherichia-Shigella与平均红细胞体积呈负相关,提示肠道菌群失调可能通过影响血液系统(血小板功能、红细胞参数)参与认知损害的发生。这为糖尿病认知功能障碍的早期识别和干预提供了新的思路和潜在的生物标志物。但其影响机制还未明确,需进一步研究。
本研究预测代谢功能分析结果显示,MCI组中糖原、脂质、氨基酸代谢异常降低,反映T2MD发展至认知功能障碍过程中新陈代谢的病理性特点。这种代谢功能异常降低也可能是糖尿病认知功能障碍形成的重要原因。
本研究存在以下局限性:①横断面设计不能确定糖尿病认知功能障碍与肠道菌群变化的因果关系,今后需通过纵向队列结合多组学技术,深入解析“菌群-代谢-认知”轴的因果机制。②单中心且样本量较小,今后需在大规模多中心队列中进一步验证。综上所述,本研究发现T2MD合并MCI患者肠道菌群发生变化,主要表现为Escherichia-Shigella、Klebsiella、Collinsella、Enterococcus丰度升高,但菌群丰度升高如何影响神经细胞功能导致认知功能障碍尚未完全清楚,是下一步研究的目标,为后续研究糖尿病认知功能障碍提供新的思路。
利益冲突声明:所有作者均声明不存在利益冲突。
[1] Bao H,Liu Y,Zhang M,et al. Increased beta-site APP cleaving enzyme 1-mediated insulin receptor cleavage in type 2 diabetes mellitus with cognitive impairment [J]. Alzheimers Dement,2021,17(7):1097-1108.
[2] 刘涵,侯新国,陈丽. 关于2型糖尿病患者认知功能障碍机制的研究进展[J]. 中华糖尿病杂志,2021,13(7):737-739.
[3] Ma Q,Li Y,Li P,et al. Research progress in the relationship between type 2 diabetes mellitus and intestinal flora [J].Biomed Pharmacother,2019,117:109138.
[4] 中华医学会糖尿病学分会. 中国糖尿病防治指南(2024版)[J]. 中华糖尿病杂志,2025,17(1):16-139.
[5] Portet F,Ousset P J,Visser P J,et al. Mild cognitive impairment(MCI)in medical practice:a critical review of the concept and new diagnostic procedure. Report of the MCI Working Group of the European Consortium on Alzheimer’s Disease [J]. J Neurol Neurosur Ps,2006,77(6):714-718.
[6] Biessels G J,Whitmer R A. Cognitive dysfunction in diabetes:how to implement emerging guidelines [J]. Diabetologia,2020,63(1):3-9.
[7] Neri-Rosario D,Martinez-Lopez Y E,Esquivel-Hernandez D A,et al. Dysbiosis signatures of gut microbiota and the progression of type 2 diabetes:a machine learning approach in a Mexican cohort [J]. Front Endocrinol(Lausanne),2023,14:1170459.
[8] Dong H,Liu X,Song G,et al. Imbalance of bile acids metabolism mediated by gut microbiota contributed to metabolic disorders in diabetic model mice [J]. Biology (Basel),2025,14(3):291.
[9] 王贺,李艳丽,郭蓉霞,等. 基于脑-肠轴理论探讨针灸治疗认知障碍的机制[J]. 生物化学与生物物理进展,2023,50(10):2336-2348.
[10] Ran Z,Ju B,Cao L,et al. Microbiome-metabolomics analysis reveals the potential effect of verbascoside in alleviating cognitive impairment in db/db mice [J]. Food Funct,2023,14(8):3488-3508.
[11] Liaqat I,Ali N M,Arshad N,et al. Gut dysbiosis,inflammation and type 2 diabetes in mice using synthetic gut microbiota from diabetic humans [J]. Braz J Biol,2021,83:e242818.
[12] 何倩,杨建,陈冰婷,等. 基于16S rRNA测序对2型糖尿病患者肠道菌群特征的分析[J]. 新疆医科大学学报,2022,45(11):1262-1268.
[13] Wei M,Feng D,Zhang Y,et al. Effect and correlation of rosa roxburghii tratt juice fermented by Lactobacillus paracasei SR10-1 on oxidative stress and gut microflora dysbiosis in streptozotocin(stz)-induced type 2 diabetes mellitus mice [J]. Foods,2023,12(17):3233.
[14] Zhang F,Chen D,Zhang L,et al. Diaphragma juglandis extracts modifies the gut microbiota during prevention of type 2 diabetes in rats [J]. J Ethnopharmacol,2022,283:114484.
[15] Park G,Kadyan S,Hochuli N,et al. An enteric bacterial infection triggers neuroinflammation and neurobehavioral impairment in 3xTg-AD transgenic mice [J]. J Infect Dis,2024,230(Supplement_2):S95-S108.
[16] Takagi T,Naito Y,Kashiwagi S,et al. Changes in the gut microbiota are associated with hypertension,hyperlipidemia,and type 2 diabetes mellitus in Japanese subjects [J]. Nutrients,2020,12(10):2996.
[17] 杨浩,张裕祥,王烨,等. Collinsella aerofaciens对高脂饮食小鼠糖脂代谢及肠道菌群的影响[J]. 中国微生态学杂志,2022,34(11):1262-1268.
[18] Tian C,Yang Q,Lv H,et al. Characteristics of the serum microbiota and circulating metabolites in cynomolgus monkeys with spontaneous type 2 diabetes mellitus [J]. J Med Primatol,2024,53(5):e12738.
[19] 彭旭超,赵艳莉,林泰平,等. 中老年糖尿病衰弱患者与肠道菌群结构及功能相关性研究[J]. 生物医学工程学杂志,2021,38(6):1126-1133,1143.
[20] Diviccaro S,Cioffi L,Piazza R,et al. Neuroactive steroidgut microbiota interaction in T2DM diabetic encephalopathy [J]. Biomolecules,2023,13(9):1325.
[21] Cammann D,Lu Y M,Cummings M J,et al. Genetic correlations between Alzheimer’s disease and gut microbiome genera [J]. Sci Rep-Uk,2023,13(1):5258.
[22] 孙静,张帆. 2型糖尿病患者血糖控制状态与肠道微生态、短链脂肪酸、D-乳酸、免疫细胞水平的相关分析[J]. 临床内科杂志,2024,41(6):408-410.
[23] Chong S,Lin M,Chong D,et al. A systematic review on gut microbiota in type 2 diabetes mellitus [J]. Front Endocrinol(Lausanne),2024,15:1486793.
[24] Ma X,Kim J K,Shin Y J,et al. Lipopolysaccharideproducing Veillonella infantium and Escherichia fergusonii cause vagus nerve-mediated cognitive impairment in mice [J]. Brain Behav Immun,2024,118:136-148.
[25] Ling Z,Zhu M,Yan X,et al. Structural and functional dysbiosis of fecal microbiota in Chinese patients with Alzheimer’s disease [J]. Front Cell Dev Biol,2020,8:634069.
[26] Zhu Z,Chen Q,Jiang G,et al. The impact of gut microbial dysbiosis on the atrophy of the hippocampus and abnormal metabolism of N-acetyl aspartate in type 2 diabetic rats [J]. Heliyon,2024,10(12):e33152.
[27] Castells-Nobau A,Moreno-Navarrete J M,De La Vega-Correa L,et al. Multiomics of the intestine-liver-adipose axis in multiple studies unveils a consistent link of the gut microbiota and the antiviral response with systemic glucose metabolism [J]. Gut,2025,74(2):229-245.
[28] Odamaki T,Kato K,Sugahara H,et al. Age-related changes in gut microbiota composition from newborn to centenarian:a cross-sectional study [J]. BMC Microbiol,2016,16:90.
[29] 顾玉凤,李晓莹,冷蓓峥. 2型糖尿病合并感染患者肺炎克雷伯菌分布及预后影响因素分析[J]. 陕西医学杂志,2024,53(4):491-495.
Analysis of the characteristics of the gut microbiota in patients with type 2 diabetes mellitus complicated by mild cognitive impairment
X