Un ensayo no aleatorizado que investiga el impacto del consumo de arroz integral en la microbiota intestinal, la atención y la memoria de trabajo a corto plazo en niños tailandeses en edad escolar, parte 2

2.4. Análisis cuantitativo de la microbiota fecal

Se recolectaron muestras fecales de los niños al inicio del estudio, en las semanas 4, 15, 56 y 61, y en la semana 71 en recipientes esterilizados y se congelaron inmediatamente a -80 ◦C. La extracción de ADN microbiano y la medición cuantitativa de la abundancia absoluta de microbiota fecal se llevaron a cabo como se describió anteriormente [29].

La relación entre medidas cuantitativas y memoria es un tema digno de estudio. En el caso de muchos problemas de la vida, los problemas de memoria suelen ser los que molestan a las personas, como no poder recordar cosas importantes, olvidar los horarios de las citas, etc. En este momento, los métodos de medición cuantitativa pueden ayudarnos a comprender la situación de la memoria y realizar mejoras específicas. .

Los métodos de medición cuantitativa pueden cuantificar la memoria de las personas por medios científicos. Partiendo de esta base, se proponen algunos métodos específicos y eficaces para entrenar la memoria. En la vida diaria, también podemos utilizar métodos sencillos para entrenar la memoria, como memorizar palabras, poesía, etc. Todas estas son formas eficaces de desarrollar una buena memoria.

Al mismo tiempo, también podemos mejorar la memoria en todos los aspectos de la vida. Por ejemplo, si queremos recordar una palabra nueva del vocabulario, podemos leerla varias veces, escribirla varias veces o asociarla a su significado, para que el recuerdo sea más profundo.

En la era de la explosión de la información, a menudo nos sentimos abrumados por la información. Muchas veces necesitamos recordar muchas cosas, pero no sabemos cómo abordar esta información. En este momento, podemos utilizar métodos de medición cuantitativa para determinar el estado de nuestra memoria y luego entrenar y mejorar en función de situaciones específicas. A través de métodos de memoria razonables, podemos mejorar eficazmente nuestra memoria y brindar más comodidad para nuestra vida y nuestro trabajo.

En definitiva, la relación entre medición cuantitativa y memoria es inseparable. Necesitamos utilizar métodos científicos para descubrir las condiciones de nuestra memoria y luego realizar un entrenamiento eficaz basado en situaciones específicas. Creo que mientras entrenemos sin descanso podremos fortalecer nuestra memoria y mejorar nuestra calidad de vida. Se puede ver que necesitamos mejorar la memoria, y Cistanche deserticola puede mejorar significativamente la memoria, porque Cistanche deserticola también puede regular el equilibrio de los neurotransmisores, como aumentar los niveles de acetilcolina y factores de crecimiento. Estas sustancias son muy importantes para la memoria y el aprendizaje. Además, la carne también puede mejorar el flujo sanguíneo y promover el suministro de oxígeno, lo que puede garantizar que el cerebro reciba suficientes nutrientes y energía, mejorando así la vitalidad y la resistencia del cerebro.

Haga clic en conocer suplementos para aumentar la memoria

Brevemente, se extrajo ADN genómico microbiano de muestras fecales utilizando el kit de ADN de heces innuPREP (Analytik Jena Biometra, Jena, Alemania), y la concentración y pureza del ADN se determinaron utilizando la placa Take 3Micro-Volume (Biotek, Winooski, VT, EE. UU.).

Luego se cuantificó la abundancia absoluta de genes de ARNr de la microbiota16 mediante qPCR utilizando cicladores térmicos en tiempo real CFX96 TouchTM (Bio-Rad, Singapur) en función de los cebadores específicos que se muestran en la Tabla S1.

Las condiciones de qPCR y las estimaciones del número de copias de la microbiota se realizaron siguiendo el protocolo anterior [37]. El Log10 del número de copias del ARNr 16S por gramo de heces húmedas se presenta en nuestros Datos complementarios.

2.5. Análisis estadístico

La distribución de los datos se examinó mediante la prueba de Shapiro-Wilk y la prueba de Levene (paquete de estadísticas versión 4.0.3). Se utilizó el paquete R ggplot2 para la visualización de datos [38]. Se aplicó la corrección del valor p de Benjamin-Hochberg (BH) para la corrección de pruebas múltiples (valor q). La importancia se determinó en q < 0.05. Todos los análisis estadísticos se realizaron en el software R versión 4.0.3 [39].

Las diferencias en las abundancias absolutas medias de microbiota intestinal entre los grupos de intervención para cada momento se determinaron mediante la prueba t o la prueba de suma de rangos de Wilcoxon de acuerdo con la normalidad de la distribución de los datos.

Los cambios en la microbiota intestinal entre los puntos temporales de cada fase (dentro de los sujetos) se evaluaron mediante pruebas t por pares o pruebas de rangos con signo de Wilcoxon después de resultados significativos del ANOVA de medidas repetidas unidireccionales o la prueba de Friedman (p < 0.05 ). Los cambios en la abundancia absoluta de la microbiota intestinal entre las semanas se expresaron como cambios en veces transformados log2 (Log2FC).

Las relaciones entre la abundancia absoluta de microbiota intestinal y la edad de los niños en edad escolar se determinaron utilizando el coeficiente de correlación de rangos de Pearson o Spearman.

La asociación entre la microbiota intestinal y la intervención en cada momento, ajustando por variables demográficas (edad, sexo, puntuación z del IMC, modo de parto, registro de nacimiento y origen étnico), se evaluó mediante un análisis de varianza multivariado permutacional (PERMANOVA) utilizando la función de Adonis. . Para investigar el efecto de la intervención a lo largo de las semanas de cada fase, se realizó PERMANOVA utilizando a los participantes como estratos y ajustando las covariables. La condición de homogeneidad basada en la distancia euclidiana se midió utilizando la función betadina.

La permutación se realizó en 999 en el paquete R vegan(2.6-2) [40]. Además, determinamos el impacto de la intervención en la microbiota intestinal mediante un análisis de redundancia (RDA) mientras ajustamos las covariables.

Los tratamientos se utilizaron como variables explicativas restringidas y las abundancias absolutas de microbiota intestinal se utilizaron como variables de respuesta. La importancia de las restricciones se evaluó mediante una prueba de permutación similar a ANOVA (permutación=999). Se realizó una selección gradual de variables explicativas utilizando la función de pasos basada en criterios AIC.

Los resultados cognitivos entre los grupos de intervención para cada semana se compararon mediante la prueba t de dos muestras de Welch o la prueba de suma de rangos de Wilcoxon. Se determinó una diferencia en el rendimiento cognitivo a lo largo de las semanas de cada fase (dentro de los sujetos) mediante la prueba de rangos con signos de Wilcoxon luego de resultados significativos de la prueba de Friedman (p < 0.05).

Utilizamos la RDA para determinar el efecto de la intervención sobre el rendimiento cognitivo de niños en edad escolar ajustando por edad y género. El efecto de los puntos temporales sobre la abundancia de la microbiota intestinal también se evaluó mediante RDA utilizando a los participantes como estratos.

La condición RDA procedió como se describe anteriormente. Para determinar la relación entre el rendimiento cognitivo y la microbiota intestinal, utilizamos el coeficiente de correlación de rangos de Spearman.

Se realizó un análisis factorial múltiple (MFA) para explorar las variaciones en la microbiota intestinal que podrían explicarse por la intervención y las variables del huésped (edad y sexo) utilizando FactoMine R versión 2.4 [41] y visualizando con Factoextra versión 1.0. 7 [42].

3. Resultados

3.1. Características de los niños en edad escolar

Después del control de calidad de los datos (Figura 1), analizamos a los 85 y 57 niños restantes en las Fases I y II, respectivamente. Los niños al inicio del estudio tenían en promedio 7,02 y 10,52 años para los grupos WR y SLR, respectivamente.

Las características iniciales de los grupos de control e intervención fueron significativamente diferentes en cuanto a edad (p < {{0}}.0001), peso (p < 0,0001), altura (p < 0,0001), IMC z- puntuación (p=0.03) y tipo de alimentación (p=0.02) (Tabla S2).
También se observó un patrón similar en todos los puntos temporales del estudio, excepto en el caso del IMC, que no fue significativamente diferente entre los grupos en la semana 71 (Tablas S3 a S7).

3.2. Efecto de la intervención del arroz Sinlek sobre la microbiota intestinal de niños en edad escolar

Considerando cada uno de los puntos temporales, no hubo diferencias significativas en la abundancia absoluta de microbiota intestinal entre los grupos de control (WR) y de intervención de Sinlek (SLR) en la primera fase de la intervención (Fase I; línea de base, Semana 4 y Semana 15). ).

Las comparaciones multivariadas utilizando PERMANOVA (por margen) también mostraron que la intervención en la Fase I no tuvo un efecto significativo sobre los cambios en la microbiota intestinal después de ajustar por variables demográficas (Archivo complementario S1).

Además, determinamos una asociación entre la abundancia de la microbiota intestinal y la edad y encontramos que Lactobacillus se correlacionaba negativamente con la edad al inicio del estudio (correlación de Pearson; R {{0}} −0.24, p {{ 3}}.026) y Semana 4 (correlación de Pearson; R=−0.3, p=0.002) (Figura 2b,d). Sin embargo, para la segunda fase de la intervención (Fase II), los cambios en la abundancia microbiana se marcaron en las semanas 61 y 71. Las abundancias de bacterias totales (q=0.032) y Firmicutes (q=0.032 ) aumentaron significativamente, mientras que el nivel de gammaproteobacterias (q <0,0001) disminuyó significativamente después de la intervención SLR en la semana 61 (Figura 2e-g).

Estas bacterias también se asociaron significativamente con la edad, donde la abundancia de bacterias totales (correlación de Pearson; R {{0}} −0.32, p=0.0 15) y Firmicutes (correlación de Pearson; R=−0.32, p=0.014, Figura 2h) disminuyeron a medida que aumentaba la edad, mientras que la abundancia absoluta de Gammaproteobacteria se correlacionó positivamente con la edad (correlación de Pearson; R { {11}}.62, p < 0,0001, Figura 2i).

En la semana 71, el nivel de Bacteroidetes se redujo significativamente en el grupo SLR (q < 0.0001) (Figura 2j), y su abundancia se correlacionó positivamente con la edad (correlación de rango de Spearman; R { {4}}.57, p < 0,0001, Figura 2l).

Teniendo en cuenta los cambios en la abundancia de la microbiota intestinal a lo largo de las semanas (dentro de los sujetos) de los grupos de control e intervención, observamos patrones similares en los dos grupos de participantes. Las gammaproteobacterias parecieron fluctuar mucho después de la intervención: su abundancia disminuyó significativamente en la semana 4 y la semana 61 (Figuras 3a, b, S1c y S2c, archivo complementario S2).

Sin embargo, los niveles de estas bacterias parecieron recuperarse al final de cada fase (semana 15 y semana 71). Además, la abundancia de Bacteroidetes para el grupo SLR fue menor en la semana 71 en comparación con las semanas 56 y 61 (Figuras 3a y S2e). También se observó una disminución gradual en la abundancia de dos taxones microbianos, a saber, Ruminococcus y Bacteroides, durante la Fase II, siendo sus abundancias las más bajas en el punto final del ensayo (Semana 71) (Figuras 3b y S2f,g), independientemente de la intervención.

Además, evaluamos si había diferencias en la abundancia de la microbiota intestinal entre los tratamientos y a lo largo de las semanas utilizando a los participantes como estratos. PERMANOVA indicó que la presencia del tratamiento y/o el momento del ensayo (semana) durante ambas fases tuvieron efectos marginales significativos en la abundancia de microbiota intestinal (p < 0.05).

Las dispersiones (variaciones) entre grupos y un modelo que tiene en cuenta las variables demográficas con significación estadística se resumen en el Archivo complementario S3. Exploramos más a fondo la fuerza de la asociación y la variación de la microbiota intestinal explicada por la intervención que utiliza RDA. Sólo se encontraron diferencias significativas en la Fase II.

La abundancia de gammaproteobacterias fue más enriquecida en el grupo de control (WR) que en el grupo SLR, mientras que un mayor total de bacterias, Firmicutes y Bacteroidetes se asociaron con la intervención SLR en la semana 61 (RDA1 explicó el 30,58% de la varianza total, R2adj {{5} }.29,p=0.001, Figura 3c). Para la semana 71, la abundancia de Bacteroidetes fue mayor en el grupo de control que en el grupo SLR (RDA1 explicó el 8,18 % de la varianza total, R2adj=0.06,p=0.005, Figura 3d). .

Luego procedimos con una selección gradual de variables explicativas (variables de intervención y demográficas) basadas en el AIC. El modelo reveló que solo la intervención explicaba significativamente las variaciones en los perfiles de la microbiota intestinal de los niños en edad escolar (q=0.035).

3.3. Desempeño cognitivo entre los grupos de control e intervención

En la Fase I, encontramos diferencias significativas entre los grupos de control y de intervención en los resultados cognitivos. El grupo SLR mostró puntuaciones significativamente más altas en la prueba de tapping de bloques de Corsi (llamada MMG, juego de memoria) y rendimiento general (OVP) en la prueba de vigilancia psicomotora (PVT-B), mientras que los tiempos de reacción (RT) y los lapsos fueron más bajos que el grupo de control. grupo (Figura 4).

En la Fase II, los patrones de desempeño cognitivo se mantuvieron sin cambios. También comparamos el rendimiento cognitivo (dentro de los sujetos) a lo largo de las semanas de cada fase y encontramos que el grupo de control (Fase I) tuvo un mejor desempeño en los lapsos en la Semana 15 en comparación con el valor inicial y la Semana 4 (q=0.02) (Figura S3). El RT fue mayor en la Semana 15 en comparación con la Semana 4 (q=0.008), mientras que no se detectaron diferencias significativas en MMG u OVP. MMG fue el único resultado cognitivo que fue significativamente mayor para el grupo SLR (Fase I) en la Semana 15 en comparación con el valor inicial (q=0.003) y la Semana 4 (q=0.03) (Figura S4). .

En la Fase II, no hubo diferencias significativas a lo largo de las semanas en ninguna de las mediciones de rendimiento cognitivo en el grupo de control o SLR. Además, la edad y el sexo también se incluyeron en la RDA y los resultados no mostraron ningún efecto de la intervención sobre el rendimiento cognitivo de los niños. en cualquiera de los grupos en cualquiera de los momentos durante las 71 semanas del ensayo.

Sin embargo, se encontró que la edad describe significativamente la variación de los resultados cognitivos al inicio (p=0.008), Semana 4 (p=0.005) y Semana 15 (p=0 .028) (Figura 5), ​​para lo cual la edad se correlacionó positivamente con MMG y OVP. No se encontraron efectos significativos causados ​​por la intervención, la edad o el género sobre el rendimiento cognitivo en la semana 56, la semana 61 o la semana 71.

Al considerar los perfiles cognitivos a lo largo de las semanas de cada tratamiento en cada fase, tanto la semana (p=0.001) como el género (p=0.001) describieron significativamente variaciones en el rendimiento cognitivo del grupo de control (Fase I). , para lo cual el sexo femenino y la Semana 15 se correlacionaron positivamente con MMG y OVP (Figura S5a).

Los niños obtuvieron mejores resultados en MMG en la semana 15 en el grupo SLR (Fase I), mientras que el sexo femenino se correlacionó positivamente con los lapsos y el RT (Figura S5b). También se evaluó el efecto del tratamiento ajustando por edad y sexo para cada fase mientras se controlaba por la semana (puntos de tiempo). La RDA mostró que la edad tenía una fuerte relación con OVP y MMG en la Fase I (Figura S6a), mientras que, en la Fase II, el rendimiento en RT y los lapsos fue peor en el grupo SLR que en el grupo de control (Figura S6b).
En general, la edad y los puntos temporales se asociaron más con el rendimiento cognitivo de los niños en edad escolar que la intervención, y el efecto de la intervención sólo se observó cuando se restringieron las muestras dentro de cada semana de la Fase II después de ajustar por edad y género.

3.4. Asociación entre la microbiota intestinal y el rendimiento cognitivo de niños en edad escolar

Encontramos correlaciones débiles entre la microbiota intestinal y los resultados cognitivos en todos los momentos de la intervención según los coeficientes de correlación de Spearman. Varias asociaciones fueron significativas (p < {{0}}.05), pero sólo una asociación, detectada en la Semana 4 para el grupo SLR (Roseburia vs. Lapsos, rho=−0,40, q {{6 }}.04), siguió siendo significativo después del ajuste para comparaciones múltiples (Figura S7).

Se encontraron algunas asociaciones que se acercaron a la significación en la semana 56 y la semana 71. Las asociaciones identificadas en el grupo SLR en la semana 56 incluyeron Faecalibacterium–RT (rho=0.62, q=0.07 ), Prevotella–OVP(rho=−0.55, q {{10}}.08), Gammaproteobacterias–OVP (rho=−0,58, q=0.07), y Faecalibacterium–OVP (rho=−0,64, q=0.05). En la semana 71, Faecalibacterium se correlacionó positivamente con RT en el grupo de control (rho=0.62, q=0.07).

Teniendo en cuenta la edad y el sexo, se realizó un análisis adicional de la asociación entre la microbiota intestinal y el rendimiento cognitivo en cada momento utilizando un MFA para revelar variaciones entre los perfiles individuales de los grupos de tratamiento (Archivo complementario S4).

Aunque la variación individual se explicó por la abundancia de microbiota intestinal en Dim 1 de ambas fases (p < 0.0001), se observó una fuerte separación entre los grupos control y SLR en Dim 2 (Figuras 6 y 7). El perfil de contraste entre estos dos grupos estuvo influenciado por la edad y la OVP, que se correlacionaron positivamente con Dim 2 (p <0,0001), mientras que tanto el RT como los lapsos se correlacionaron negativamente (p <0,0001).

Sin embargo, las gammaproteobacterias fueron las más influyentes a la hora de describir la variación individual en esta dimensión en la semana 61 (p < 0.0001). El nivel de esta bacteria fue menor en el grupo SLR (coordenada=−1,35, p < 0,0001).

A pesar de los tamaños de muestra desiguales, el MFA indicó que la diferencia en los perfiles de los niños en edad escolar en este ensayo clínico no aleatorio estuvo más influenciada por la edad y el rendimiento cognitivo que por la microbiota intestinal, lo que sugiere una menor contribución de la intervención a la variación individual en este estudio.

4. Discusión

Nuestro estudio no observó cambios significativos en la abundancia absoluta de la microbiota intestinal después de la primera fase de la intervención con arroz Sinlek en niños en edad escolar. Sin embargo, se observaron diferencias significativas entre los grupos en la Fase II (semanas 61 y 71) para bacterias totales, Firmicutes, Bacteroidetes y Gammaproteobacteria.

También observamos diferencias significativas en el rendimiento cognitivo entre los grupos de control y de intervención en ambas fases. No encontramos una fuerte correlación entre la microbiota intestinal y el rendimiento cognitivo en ningún momento.

Análisis adicionales sugirieron que, en esta cohorte, la intervención con arroz de Sinlek no contribuyó a las variaciones en la microbiota intestinal ni en los perfiles cognitivos de los niños en edad escolar, ya que los resultados estuvieron influenciados principalmente por la edad.

For more information:1950477648nn@gmail.com