Impacto de la ingesta elevada de sal en un ecosistema intestinal natural en ratones salvajes
Oct 30, 2023
Abstracto: El holobionte de los mamíferos alberga una comunidad bacteriana intestinal mutualista, compleja e interdependiente. Se sabe que los cambios en la composición de este consorcio bacteriano son un elemento clave en la salud, la inmunidad y la enfermedad del huésped. Entre muchos otros, los hábitos alimentarios son factores que influyen en una posible alteración de la interacción mutualista entre las bacterias y el huésped. En este contexto, previamente demostramos que una dieta rica en sal conduce a una condición disbiótica de la microbiota intestinal murina, caracterizada por una disminución o agotamiento de bacterias intestinales conocidas como promotoras de la salud. Sin embargo, debido a un entorno controlado y desinfectado, los ratones de laboratorio convencionales (CLM) poseen una microbiota intestinal menos diversa en comparación con los ratones salvajes, lo que conduce a resultados traslacionales deficientes para los estudios de microbioma intestinal, ya que una diversidad reducida de la microbiota intestinal podría no representar el complejo interdependiente. Redes del microbioma. Aquí, evaluamos el efecto de HSD sobre la microbiota intestinal en CLM en comparación con ratones salvajes, que albergan un ecosistema intestinal natural que imita más de cerca la situación en los humanos. Los ratones fueron tratados con alimento de control o HSD y se perfiló la microbiota intestinal utilizando métodos basados en amplicones dirigidos al gen ribosomal 16S. En línea con hallazgos anteriores, nuestros resultados revelaron que HSD indujo una pérdida significativa de diversidad alfa y una modulación extensa de la composición de la microbiota intestinal en CLM, caracterizada por la disminución de bacterias potencialmente beneficiosas del filo Firmicutes como los géneros Lactobacillus, Roseburia, Tuzzerella, Anaerovorax y aumento de Akkermansia y Parasutterella. Sin embargo, los ratones salvajes tratados con HSD no mostraron los mismos cambios en términos de diversidad alfa y pérdida de bacterias Firmicutes que CLM y, de manera más general, los ratones salvajes exhibieron solo cambios menores en la composición de la microbiota intestinal tras HSD. En consonancia con esto, el análisis funcional basado en 16S sugirió solo cambios importantes en las funciones ecológicas de la microbiota intestinal en CLM en comparación con ratones salvajes en HSD. Nuestros hallazgos indican que la microbiota intestinal más rica y de origen silvestre es más resistente a intervenciones dietéticas como HSD, en comparación con la microbiota intestinal de CLM, lo que puede tener implicaciones importantes para futuras investigaciones sobre microbiomas traslacionales.
cistanche tubulosa-mejora el sistema inmunológico
Palabras clave: microbioma; dieta rica en sal; inmunidad; salvaje
1. Introducción
El intestino de los mamíferos está colonizado por una comunidad bacteriana compleja y diversa, que junto con el huésped crea una delicada relación simbiótica [1,2]. Esta comunidad bacteriana ejerce muchas funciones útiles para el huésped, incluidas funciones metabólicas, inmunomoduladoras y tróficas [3–7] y la composición de la microbiota intestinal podría cambiar durante la vida, de acuerdo con las necesidades específicas y la fisiología del huésped [1,8, 9]. Muchas funciones beneficiosas de las bacterias que promueven la salud intestinal están mediadas por metabolitos derivados de la fermentación anaeróbica [10-13] y las condiciones disbióticas podrían afectar significativamente la salud del huésped [2,11,14,15]. La creciente preocupación por el impacto del estilo de vida en la salud ha llevado a un mayor interés científico en la participación de la microbiota intestinal y sus implicaciones traslacionales [16,17]. De hecho, la microbiota intestinal está determinada por factores tanto extrínsecos (p. ej., estilo de vida, dieta y tratamientos médicos) como intrínsecos (p. ej., genética del huésped, regulaciones inmunes y metabólicas) [8,18-20]. En general, se reconoce que los elementos extrínsecos podrían provocar efectos impactantes, siendo la dieta uno de los principales factores que contribuyen a afectar la composición y función de la microbiota intestinal [1,2,21]. Se sabe que los componentes de la dieta occidental, como el alto consumo de sal, perjudican la homeostasis del huésped al afectar el sistema inmunológico y alterar la microbiota intestinal y las enfermedades [18,22–37]. En la microbiota intestinal murina, una dieta rica en sal (HSD) se asocia con la reducción de bacterias promotoras de la salud notoriamente conocidas como productoras de ácidos grasos de cadena corta (AGCC), como Lactobacillus spp., Bifidobacterium, Blautia y Faecalibaculum [28, 29,38–41], junto con un aumento en la abundancia de Akkermansia, otro productor oportunista de SCFA que se ha demostrado que afecta la inmunidad y la enfermedad del huésped en diferentes sistemas modelo [42,43]. Los modelos animales murinos se utilizan con frecuencia para estudiar cómo los factores dietéticos podrían moldear la microbiota intestinal, el sistema inmunológico y las enfermedades [29,44–46]. Aunque el uso de ratones de laboratorio convencionales (CLM) sigue siendo una opción válida para muchos estudios, a veces no logra traducir adecuadamente las aplicaciones centradas en la microbiota intestinal [47–49]. Por ejemplo, se demostró que la investigación inmunológica y metabolómica en modelos murinos de enfermedad inflamatoria intestinal (EII) y obesidad predice mal los resultados traslacionales de los estudios de microbiota intestinal [50]. Esto podría deberse a muchas diferencias inherentes en estos sistemas modelo, como diferentes anatomía, genética y fisiología intestinal [16,50]. Sin embargo, otro problema del uso de CLM para estudiar las interacciones microbiota-inmune es la domesticación de la composición bacteriana intestinal en CLM, lo que se refleja en la reducción de la complejidad y resiliencia de la microbiota intestinal de CLM en comparación con los ratones salvajes [51]. La necesidad de entornos desinfectados y controlados enfrenta una presencia reducida de patógenos y parásitos potenciales, lo que se cree que, en consecuencia, conduce a un sistema inmunológico menos "educado" en CLM en comparación con los ratones salvajes [51-53]. Para abordar este problema, se desarrolló el modelo murino salvaje mediante la transferencia de embriones derivados de ratones C57BL/6 a ratones salvajes para obtener una microbiota intestinal de origen salvaje, para superar el problema de traducción de los estudios de microbiota intestinal inmunológica [54]. Estudios recientes que involucran este modelo de ratón mostraron resultados superiores en la predicción del valor traslacional de las inmunoterapias experimentales en comparación con CLM [54,55]. Además, la microbiota intestinal de los animales salvajes era más resistente y resiliente al tratamiento con antibióticos y a una dieta rica en grasas en comparación con la CLM, comparable a la situación más compleja en los humanos [54,55]. Sin embargo, a pesar de los efectos establecidos de la HSD sobre la microbiota intestinal, el sistema inmunológico y varios modelos de enfermedades en CLM, se desconocen los efectos de la ingesta elevada de sal sobre la microbiota intestinal natural de origen silvestre. En este estudio, evaluamos el efecto de HSD en diferentes composiciones de ecosistemas bacterianos intestinales y funciones predictivas de CLM en comparación con ratones salvajes.
2. Materiales y métodos
2.1. Animales y dieta
Se compraron ratones C57BL/6 de tipo salvaje (hembras de 7 a 8 semanas de edad, n=20) de Charles River y se alojaron en las instalaciones para animales de la Universidad de Hasselt en condiciones estandarizadas. Se alojaron ratones salvajes (antecedentes genéticos C57BL/6, machos n=12 y hembras n=11) [54] en las instalaciones para animales de UHasselt en condiciones estandarizadas. Los estudios con animales fueron aprobados por el Comité Ético en Experimentos con Animales (ECAE) de la Universidad de Hasselt (ID201618A4V1, ID202235). Los ratones se alojaron (4 ratones/jaula) en una habitación con temperatura controlada (21–23 ◦C) con un ciclo de luz/oscuridad de 12:12 h. Las siguientes dietas purificadas se adquirieron de Ssniff (Soest, Alemania): NaCl al 0,5 %/dieta de control (E15430-04) y NaCl al 4 %/HSD (E15431-34). Para HSD, los animales fueron alimentados con NaCl al 1% en el agua de bebida además de E15431-34, como se describe en [28]. Los ratones CLM se distribuyeron equitativamente entre el grupo de control (n=10) y HSD (n=10). Para los ratones salvajes, los individuos machos y hembras también se distribuyeron equitativamente en los grupos dietéticos de control y HSD (6 machos para el control, 6 machos para HSD, 5 hembras para el control y 6 hembras para HSD).
planta cistanche que aumenta el sistema inmunológico
2.2. Extracción de ADN
La extracción de ADN microbiano se realizó como se describe en [28], utilizando un protocolo modificado del mini kit QIAmp Fast DNA taburete (Qiagen, Hilden, Alemania). En resumen, se agregaron gránulos fecales a un Eppendorf de 2- ml que contenía perlas de vidrio de 0.5 mm y 1,5 ml de tampón de lisis (ASL) (Qiagen, Hilden, Alemania). Se utilizó batido de perlas para realizar la homogeneización mecánica de los gránulos. La extracción completa se realizó según el protocolo del fabricante con modificaciones menores (prolongación del tiempo de incubación de la proteinasa K a 2 h a 70 ◦C). Las concentraciones de ADN se evaluaron utilizando un espectrofotómetro NanoDrop ND-1000 (NanoDrop Technologies, Wilmington, DE, EE. UU.) y se almacenaron a -20 ◦C antes de la amplificación del gen 16S rRNA.
2.3. Amplificación y secuenciación del gen 16S rRNA
La secuencia del gen 16S rRNA se amplificó utilizando un cebador específico para la región V4 (F515/R806), como se describió anteriormente [56]. Brevemente, se utilizaron 25 ng de ADN por reacción de PCR (30 µL) (KAPA HiFi HotStart ReadyMix, Roche, Basel, CH, USA) de desnaturalización inicial durante 30 s a 98 ◦C, seguido de 25 ciclos (10 s a 98 ◦ C, 20 s a 55 ◦C y 20 s a 72 ◦C). Las reacciones se realizaron por triplicado, se agruparon por muestra y se purificaron mediante un sistema de limpieza basado en perlas magnéticas (Agencourt AMPure XP, Beckman Coulter, Brea, CA, EE. UU.). La preparación de la biblioteca se realizó mediante una PCR de ciclo limitado para obtener la biblioteca indexada utilizando la tecnología Nextera (Nextera XT Index Kit, Illumina, San Diego, CA, EE. UU.), seguida de un segundo paso de limpieza de perlas magnéticas AMPure XP. Luego, las muestras indexadas se normalizaron a la misma concentración de 4 nM, se combinaron y secuenciaron en una plataforma Illumina MiSeq PE300 con un protocolo de extremos emparejados de 2 × 300 pb según el protocolo de la empresa (Illumina, Inc., San Diego, CA, EE. UU.).
cistanche tubulosa-mejora el sistema inmunológico
Haga clic aquí para ver los productos Cistanche Enhance Immunity
【Pregunte por más】 Correo electrónico:cindy.xue@wecistanche.com / Whats App: 0086 18599088692 / Wechat: 18599088692
2.4. Procesamiento y análisis estadístico de datos de secuenciación del gen 16S rRNA
Las secuencias sin procesar se procesaron utilizando una canalización QIIME 2 [57]. Después del filtrado de longitud y calidad (parámetros predeterminados), las lecturas se filtraron y asignaron a unidades taxonómicas operativas (OTU) utilizando DADA2 [58]. La asignación taxonómica se realizó mediante el algoritmo VSEARCH (https://github.com/torognes/vsearch; consultado el 9 de noviembre del 2022) y la base de datos Silva v128 (https://www.arb-silva.de /; consultado el 9 de noviembre 2{{40}}22). Luego, la tabla ASV se normalizó mediante rarefacción a 6,147 de profundidad para que cada muestra alcanzara la meseta al final de la curva de rarefacción. La diversidad alfa se evaluó utilizando dos métricas diferentes: índices ecológicos de riqueza de OTU (observada), Chao1, Shannon, Simpson, Simpson inverso (InvSimpson). Para la diversidad beta, la disimilitud de Bray-Curtis, la similitud de Jaccard y las métricas UniFrac ponderadas y no ponderadas [59] se calcularon y representaron mediante Análisis de Coordenadas Principales (PCoA) para visualizar la distancia real entre muestras. Para normalizar la tabla de recuento de OTU, se realizó la rarefacción a una profundidad de 6305 secuencias por muestra 100 veces. El resultado obtenido de la asignación de taxonomía OTU, como tabla de taxonomía, se utilizó para colapsar la tabla OTU normalizada en tablas para los niveles de taxonomía L2 (Filo), L5 (Familia) y L6 (Género). Los análisis estadísticos se realizaron utilizando R (https://www.R-project.org/; consultado el 25 de noviembre del 2022; versión 4.2.0). El paquete R "vegano" (Versión 2.6-4) [60] se utilizó para generar métricas de diversidad beta para comparar las diferencias de composición de los grupos mediante PCoA o mediante análisis de componentes principales (PCA). Los paquetes y la separación de datos se probaron mediante una prueba de permutación con proporciones pseudo-F (función "Adonis" en "vegano"). La separación en términos de diversidad beta entre grupos se probó mediante Análisis de Varianza Multivariado Permutacional Usando Matrices de Distancia (PERMANOVA, función "Adonis" en "vegano"), mientras que las diferencias para la dispersión intragrupos se probaron mediante la prueba de homogeneidad multivariada de dispersiones de grupos (PERMDISP , función "betadisper" en "vegano"). Se excluyeron del análisis los taxones que no estaban presentes en al menos 4 muestras. Las diferencias en términos de abundancia relativa de taxones se evaluaron primero con la prueba preliminar de Kruskal-Wallis entre 4 grupos y luego se evaluaron adicionalmente con la prueba de Wilcoxon entre los siguientes pares de comparación: CLM Control vs. CLM HSD, Wildling Control vs. Wildling HSD, CLM Control. Control vs. salvaje, CLM HSD vs. salvaje HSD. Para evaluar las diferencias taxonómicas entre animales salvajes y CLM, se utilizó el tamaño del efecto del análisis discriminante lineal (LEfSe: https://huttenhower.sph.harvard.edu/galaxy/; consultado el 25 de noviembre de 2022) para distinguir las características principales a nivel de género [ 61]. Los resultados de LEfSe luego se mostraron como un gráfico de barras, con un umbral de puntuación del Análisis Discriminante Lineal (LDA) superior a 1,0. Cuando fue necesario, los valores de p de comparaciones múltiples se ajustaron mediante el método de Benjamini-Hochberg. Se consideró estadísticamente significativa una tasa de descubrimiento falso (FDR) menor o igual a 0,05: * p menor o igual a 0,05; ** p Menor o igual a 0,01; *** p Menor o igual a 0,001. PICRUSt2, un paquete de software de bioinformática para predecir el contenido funcional del metagenoma a partir de datos de secuenciación del gen 16s rDNA (https://huttenhower.sph. harvard.edu/picrust/; consultado el 29 de noviembre de 2022; PICRUSt2 2.4.1) [62]. La canalización PICRUSt2 se aplicó a secuencias representativas y su tabla de abundancia de DADA2 mediante el uso de parámetros estándar (https://github.com/picrust/picrust2/wiki/Full-pipeline-script; consultado el 29 de noviembre de 2022). A partir del resultado completo del proceso, la predicción metagenómica para las vías KEGG Orthology y MetaCyc se construyeron como tablas, con funciones predictivas como filas y muestras como columnas, y se utilizaron para comparar las funciones de la microbiota intestinal en animales silvestres y CLM en el régimen HSD. Se seleccionaron las funciones predictivas de la comunidad microbiana que más contribuyeron a la variación entre la fauna salvaje y la CLM por el primer (PC1), el segundo (PC2) y el tercer componente principal (PC3) para un análisis más detallado del consumo de HSD en los dos modelos. Luego se normalizó la matriz con las abundancias de funciones predictivas, se transformó en valores de relación logarítmica centrada (CLR) y se calculó la relación log2media (HSD/Control) tanto para los salvajes como para los CLM. Finalmente, se compararon las proporciones de medias log2 entre grupos mediante la prueba de Wilcoxon y se representaron como un diagrama cuneiforme. Las diferencias entre grupos se compararon estadísticamente en el software R utilizando las funciones de prueba de Wilcoxon y Kruskal-Wallis y los valores de p ajustados por el método de Holm o Benjamini-Hochberg.
3. Resultados
3.1. HSD afecta la diversidad y composición de CLM y la microbiota intestinal silvestre
Para investigar el impacto de HSD en un ecosistema microbiano intestinal de origen silvestre en ratones, alimentamos con HSD o dietas de control a ratones salvajes y CLM. Los ratones se mantuvieron en regímenes dietéticos durante dos semanas y posteriormente se investigó la composición de la microbiota intestinal fecal mediante la secuenciación del gen de ARN 16S a partir de gránulos fecales recolectados el día 14 (Figura 1A). De acuerdo con un informe anterior, no se detectaron diferencias importantes en términos de peso corporal entre los grupos control y HSD de CLM y ratones salvajes [29]. Para evaluar la diferente microbiota intestinal entre los dos modelos CLM y ratones salvajes al inicio del estudio, estimamos la diversidad alfa (índices observados o de riqueza, Chao1, Shannon, Simpson y Simpson inverso), la diversidad beta (disimilitud de Bray-Curtis) y los principales diferencias taxonómicas. De acuerdo con estudios previos [54], la microbiota intestinal de los animales salvajes se caracterizó por una mayor riqueza microbiana (Figura 1B, todos los índices de diversidad alfa), así como por una composición microbiana distinta y más heterogénea que la CLM (Figura 1C, PERMANOVA p {{9} }.001 & PERMDISP p=0.0009, salvaje versus CLM; y Figura S1). En términos de firmas microbianas, la microbiota intestinal de CLM y ratones salvajes se caracterizó por diferentes taxones bacterianos (Figura S1). En línea con Rosshart et al. [54], los taxones bacterianos de ratones salvajes pertenecen a Itestinomonas, Desulfovibrio, Tuzzerella, Oscillobacter, Orodibacter y el género patógeno Helicobacter, que caracterizó el perfil no domesticado de origen silvestre de este modelo (Figura S1).
Figura 1. Impacto de HSD en la composición bacteriana de CLM (n=10/grupo) y ratones salvajes (n=11 para Ctrl salvaje y n=12 para HSD salvaje). (A) Diseño experimental. C57BL/6 CLM o ratones salvajes se alimentaron con 0. NaCl al 5 % (control, Ctrl) o NaCl al 4 % con alto contenido de sal (HSD) y una comunidad bacteriana intestinal caracterizada por la secuenciación del amplicón del gen 16S rRNA. (B) Índices de diversidad alfa de la microbiota intestinal fecal de CLM y animales salvajes; de izquierda a derecha se muestran los siguientes índices: Observado (Riqueza OUT), Chao1, Shannon, Simpson, Simpson (Simpson inverso). Las diferencias entre grupos se evalúan estadísticamente mediante la prueba de Wilcoxon. (C) Gráfico de análisis de coordenadas principales de la ordenación de la diversidad beta a partir de la métrica de disimilitud de Bray-Curtis entre CLM frente a salvaje (arriba), control de CLM frente a CLM HSD (abajo a la izquierda) y control de salvaje frente a HSD salvaje (abajo a la derecha); la separación y homogeneidad entre grupos se calcularon mediante las pruebas PERMANOVA y PERMDISP respectivamente. * p Menor o igual a 0.05; ** p Menor o igual a 0.01; **** p Menor o igual a 0.0001. Figura 1. Impacto de HSD en la composición bacteriana de CLM (n=10/grupo) y ratones salvajes (n=11 para Ctrl salvaje y n=12 para HSD salvaje). (A) Diseño experimental. Se alimentaron ratones C57BL/6 CLM o salvajes con NaCl al 0,5 % (control, Ctrl) o NaCl al 4 % con alto contenido de sal (HSD) y una comunidad bacteriana intestinal caracterizada por la secuenciación del amplicón del gen 16S rRNA. (B) Índices de diversidad alfa de la microbiota intestinal fecal de CLM y animales salvajes; de izquierda a derecha se muestran los siguientes índices: Observado (Riqueza OUT), Chao1, Shannon, Simpson, Simpson (Simpson inverso). Las diferencias entre grupos se evalúan estadísticamente mediante la prueba de Wilcoxon. (C) Gráfico de análisis de coordenadas principales de la ordenación de la diversidad beta a partir de la métrica de disimilitud de Bray-Curtis entre CLM frente a salvaje (arriba), control de CLM frente a CLM HSD (abajo a la izquierda) y control de salvaje frente a HSD salvaje (abajo a la derecha); la separación y homogeneidad entre grupos se calcularon mediante las pruebas PERMANOVA y PERMDISP respectivamente. * p Menor o igual a 0,05; ** p Menor o igual a 0,01; **** p Menor o igual a 0,0001.
HSD indujo una reducción significativa en la diversidad bacteriana (Figura 1B, todos los índices de diversidad alfa), así como un cambio microbiano significativo en la composición de CLM (Figura 1C, PERMANOVA p=0.001, PERMDISP p=0 .1, CLM Ctrl frente a CLM HSD). Por el contrario, la microbiota intestinal de los ratones salvajes se caracterizó por una mayor diversidad en HSD (Figura 1B, índices observados y Chao1), de manera divergente de CLM, y también se caracterizó por un cambio de composición microbiana menos pronunciado en HSD en comparación con CLM (Figura 1C, PERMANOVA p=0.001, PERMDISP p=0.5, Ctrl salvaje frente a HSD salvaje).
3.2. La composición microbiana intestinal de los ratones salvajes es más resistente a la HSD que a la CLM
Las diferencias de composición bacteriana entre especies silvestres y CLM se caracterizaron taxonómicamente. A nivel de filo, los filos más abundantes en términos de abundancia relativa fueron: Firmicutes (CLM: 52 ± 12%, silvestre: 32 ± 34%), Bacteroidota (CLM: 24 ± 23%, silvestre: 57 ± 19%), Actinobacteriota (CLM: 1{{10}} ± 7%, silvestre: 0,7 ± 1,3%) y Verrucomicrobiota (CLM: 24 ± 23%, silvestre: 0%/no detectado) (Figura 2). El perfil microbiano intestinal mostró abundancias adicionales diferentes para todos los filos detectados en muestras fecales entre ratones salvajes y CLM (Figura 2). En particular, los filos de microbiota central Firmicutes, Bacteroidota y Verrucomicrobiota fueron significativamente diferentes entre los dos modelos (Figura 2). Más específicamente, a nivel familiar, se observó una contribución diferente en la microbiota intestinal silvestre frente a la CLM para la mayoría de las bacterias previamente reportadas como sensibles a HSD [28], incluidas Lactobacillaceae, Clostridiaceae, Peptostreptococcaceae y Akkermansiaceae (Figura 3). En línea con esto, se confirmaron tendencias similares a nivel de género entre muestras silvestres y CLM para los principales miembros de las familias antes mencionadas; entre estos, los más representativos fueron Lactobacillus, Roseburia, Tuzzerella, Faecalibaculum y Akkermansia (Figuras S1 y 4). Para caracterizar mejor el impacto de HSD en CLM y las composiciones de la microbiota intestinal salvaje, también analizamos el impacto del régimen dietético en diferentes niveles de clasificación. A nivel de filo, la microbiota intestinal CLM tratada con HSD se caracterizó por un agotamiento significativo de Firmicutes y un enriquecimiento de Verrucomicrobiota (Figura 2), pero ninguno de los filos principales se vio afectado por HSD en muestras silvestres (Figura 2). A nivel familiar, la microbiota intestinal CLM se caracterizó por un agotamiento significativo de bacterias productoras de ácido láctico, como Lactobacillaceae, así como de productoras de SCFA, como Peptostreptococcaceae y Clostridiaceae (Figura 3). Además, en CLM alimentados con HSD, observamos aumentos en Akkermansiaceae, Sutterellaceae, Defluvitaleaceae y Eggerthellaceae (Figura 3). Por el contrario, la HSD afectó a diferentes familias bacterianas en la microbiota intestinal de los salvajes, entre ellas las dos altamente abundantes Muribaculaceae y Prevotellaceae, las cuales aumentaron con la HSD (Figura 3). La modulación bacteriana que más contribuyó al efecto HSD en CLM incluyó el aumento de los géneros Akkermansia, Parasutterella y Enterorhabdus, así como la disminución de Lactobacillus, Roseburia, Tuzzerella, (Eubacterium) grupo oxidorreducens, Muribaculum y Anaerovorax (Figura 4). A excepción de Roseburia, ninguno de los géneros antes mencionados se vio afectado por HSD en la microbiota intestinal de los animales salvajes, mientras que el género Anaerovorax mostró una tendencia opuesta a la de CLM (Figura 4).
Figura 2. Efecto HSD sobre los filos bacterianos de la microbiota intestinal de CLM (n=10/grupo) y ratones salvajes (n=11 para Ctrl salvaje y n=12 para HSD salvaje). La composición total en términos de abundancia relativa de filos se muestra mediante un diagrama de barras por cada individuo (arriba) y un diagrama de cajas para filos específicos (abajo); Se realizaron comparaciones estadísticas entre grupos mediante la prueba de Wilcoxon. * p Menor o igual a 0.05; ** p Menor o igual a {{10}}.01; *** p Menor o igual a 0,001; **** p Menor o igual a 0,0001.
Figura 3. Impacto del consumo de alimentos ricos en sal en familias bacterianas de CLM (n=10/grupo) y ratones salvajes (n=11 para Ctrl salvaje y n=12 para HSD salvaje). La composición total a nivel familiar está representada por un diagrama de barras por cada individuo (arriba) y un diagrama de cajas para familias específicas (abajo); Se realizaron comparaciones estadísticas entre grupos mediante la prueba de Wilcoxon. * p Menor o igual a 0.05; ** p Menor o igual a {{10}}.01; *** p Menor o igual a 0,001; **** p Menor o igual a 0,0001.
Figura 4. Cambios en los géneros bacterianos en CLM (n=10/grupo) y ratones salvajes (n=11 para Ctrl salvaje y n=12 para HSD salvaje). La contribución general a la abundancia relativa a nivel de género se representa como un diagrama de barras circular por cada individuo (arriba) y un diagrama de caja para géneros específicos (abajo); Se realizaron comparaciones estadísticas entre grupos mediante la prueba de Wilcoxon. * p Menor o igual a 0.05; ** p Menor o igual a 0.01; *** p Menor o igual a 0,001; **** p Menor o igual a 0,0001.
3.3. HSD afecta las funciones microbianas predictivas en CLM pero no en ratones salvajes
El resultado de PICRUSt 2 no detectó ninguna diferencia significativa entre las funciones de la comunidad microbiana de ratones salvajes HSD frente a ratones salvajes no tratados para las anotaciones de la vía KEGG Orthology y MetaCyc, con la única excepción del aumento de la función inducida por HSD en el gen recG para una helicasa dependiente de ATP de la ortología KEGG (Figura 5A). El impacto de HSD en CLM se caracterizó por una disminución significativa de las funciones predictivas de KEGG Orthology, entre ellas el gen spp (sacarosa-6-fosfatasa) y pfkA (fosfofructoquinasa 1), ambos involucrados en el metabolismo del almidón y la sacarosa, lo cual está en línea con hallazgos previos [28] (Figura 5A). Además, la microbiota intestinal de CLM alimentados con HSD se caracterizó por una disminución de las funciones predictivas de los genes implicados en el transporte de membrana (feoB para el transporte de hierro, proteína permeasa AB 2P AB 2, proteína de unión a ATP AB 2A AB 2), biosíntesis de glutamina (glnA). , regulador transcripcional de la familia LacI (lacI, galR) y transcetolasa (tktA, tktB) (Figura 5A). Para las vías MetaCyc, HSD enriqueció significativamente la microbiota intestinal CLM de funciones predictivas asociadas con la reducción de nitratos (vía de desnitrificación), la degradación de galactosa (degradación de D-galactarato, súper vía de degradación de D-glucarato y D-galactarato), degradación de propanoato de fenilo, grasas. rescate de ácido, degradación de succinato a ácido butanoico y degradación de aminoácidos (degradación de aminas aromáticas, degradación de L-leucina) (Figura 5B). Además, de acuerdo con hallazgos anteriores [28], la microbiota intestinal HSD en CLM perdió funciones predictivas para la biosíntesis de aminoácidos (súper vía de biosíntesis de L-alanina, biosíntesis de L-lisina), fermentación de ácidos mixtos, con una nueva firma adicional perdida como N- degradación de acetilglucosamina/N-acetil-manosamina/N-acetilneuraminato y degradación de desoxirribonucleósidos (degradación de pirimidina y purina, biosíntesis de inosina5fosfato III) (Figura 5B).
Figura 5. Continuación.
Figura 5. Efecto de HSD sobre las funciones metagenómicas predictivas intestinales en la microbiota intestinal CLM (n=10/grupo) y salvaje (n=11 para Ctrl salvaje y n=12 para HSD salvaje). La salida de PICRUSt2 se representa como un diagrama cuneiforme para la anotación de KEGG Orthology (A) y las vías MetaCyc (B) expresadas como una relación media log2 de los recuentos de funciones predictivas entre muestras HSD y Ctrl. Todas las comparaciones estadísticas se realizaron entre los grupos Ctrl y HSD mediante la prueba de Wilcoxon.
4. Discusión
Se sabe que la compleja y diversa microbiota intestinal de los salvajes es más resistente a ciertos modelos de enfermedades [51] y regímenes dietéticos, como la ingesta alta de grasas [54,55]. Sin embargo, ningún estudio previo ha evaluado los efectos de la ingesta elevada de sodio en la microbiota intestinal murina de origen silvestre. Aquí, investigamos por primera vez cómo HSD afecta la microbiota intestinal de los salvajes en comparación con CLM. Curiosamente, nuestros resultados demostraron que, en comparación con CLM, el microbioma salvaje es más resistente a la alteración de HSD tanto a nivel compositivo como funcional predictivo. Está bien establecido que el consumo elevado de sal podría exacerbar el riesgo de diversas enfermedades, como enfermedades cardiovasculares o autoinmunes, al alterar la composición del microbioma intestinal y la homeostasis inmune [25,29,31,34,63–65]. De acuerdo con informes anteriores, los cambios inducidos por HSD en la microbiota intestinal en CLM se caracterizaron por alteraciones significativas en la diversidad, composición y funciones predictivas microbianas [28]. Las bacterias promotoras de la salud, como la familia Peptostreptococcaceae y los géneros Lactobacillus, Roseburia y Tuzzerella, disminuyeron en términos de abundancia relativa en CLM, mientras que Akkermansia aumentó significativamente en los grupos alimentados con HSD. También detectamos abundancias relativas más altas de HSD en Defluvitaleaceae, Enterorhabdus y Parasutterella. Curiosamente, el género Parasutterella es un componente central de la microbiota intestinal tanto de CLM como de humanos, donde se comporta como asacarolítico y productor de succinato [66]. Se sabe que tanto Enterorhabdus de la familia Eggerthellaceae como Parasutterella de la familia Sutterellaceae están enriquecidos en pacientes con EII [67,68], lo que indica además cómo la HSD puede afectar el desarrollo de la enfermedad. Sin embargo, curiosamente, los ratones salvajes no mostraron una entidad similar de cambios microbianos inducidos por HSD, como CLM. A pesar de esto, la diversidad de especies silvestres aumentó significativamente en HSD para las métricas de OTU y Chao1 observadas, y solo unos pocos taxones estuvieron involucrados en la alteración de HSD de la microbiota intestinal de las especies silvestres, entre ellos un aumento de Anaerovorax, junto con una disminución de Erysipelatoclostridium, Roseburia y Lachnospiraceae. Género UCG-004. Roseburia fue la única firma bacteriana comúnmente compartida entre los grupos de HSD en comparación con los controles correspondientes, a pesar de que los CLM alimentados con HSD todavía se caracterizan por una mayor abundancia de esta bacteria en comparación con los ratones salvajes alimentados con HSD. Es de destacar que se demostró que las bacterias productoras de butirato, como Roseburia, tienen una menor abundancia relativa en pacientes con colitis ulcerosa [69] y también se observó que esta reducción se correlaciona con el riesgo genético de EII en sujetos humanos [70]. Esto está en línea con hallazgos anteriores, donde se encontró que los cambios en géneros bacterianos como Roseburia o Lactobacillus estaban asociados con un riesgo de hipertensión, posiblemente promovido por una dieta occidental [71]. La composición bacteriana del intestino también está asociada con la motilidad y la fisiología del intestino [72].
Beneficios de cistanche para hombres: fortalece el sistema inmunológico.
El género Anaerovorax se ha observado previamente en ratones con fisiología intestinal anormal y motilidad reducida [73]; sin embargo, el enriquecimiento de Anaerovorax en HSD para ratones salvajes puede conducir a un papel diferente de este taxón en el contexto de la homeostasis intestinal y el funcionamiento adecuado. De acuerdo con hallazgos anteriores, observamos un aumento en el género Akkermansia en el grupo HSD de CLM [28], mientras que la microbiota intestinal de ratones salvajes se agotó en este género, lo que también es consistente con estudios anteriores sobre este modelo [51, 53–55]. Aunque el género Akkermansia es un probiótico potencial debido a su efecto positivo en la mejora de los perfiles inmunológicos y metabólicos del huésped (p. ej., en la obesidad y la diabetes tipo 2) [42,74–77], el papel de este género aún no está claro debido a sus efectos negativos. correlación con los resultados clínicos en cáncer colorrectal [78], enfermedad de Parkinson [79,80] y pacientes con esclerosis múltiple [81]. De acuerdo con nuestros resultados anteriores obtenidos con las vías MetaCyc [28], CLM tras HSD mostró una disminución de las funciones microbianas predictivas asociadas con el metabolismo del almidón y la sacarosa para la ortología KEGG. Sin embargo, los cambios menores en la composición bacteriana intestinal de ratones salvajes alimentados con HSD no lograron inducir variaciones significativas en las funciones bacterianas predictivas, lo que indica que la microbiota intestinal y las redes metabólicas/ecológicas derivadas de animales salvajes son mucho más estables y podrían adaptarse mucho más fácilmente a Variaciones dietéticas inducidas por HSD en comparación con los ecosistemas intestinales CLM, lo que justifica una mayor investigación. También vale la pena mencionar la posible influencia de la comunidad de hongos intestinales en la red bacteriana intestinal en los regímenes dietéticos diferenciales. Estudios anteriores ya han sugerido cómo las posibles interacciones entre bacterias y hongos están implicadas en la homeostasis del sistema inmunológico del huésped y el desarrollo de enfermedades [82-85]. En este contexto, los CLM están aún más limitados por su menor complejidad bacteriana en comparación con los ratones salvajes, lo que puede dificultar el establecimiento de una micobiota intestinal diversa [54]. Los estudios futuros podrán determinar la contribución de las comunidades de hongos intestinales en entornos de microbiota intestinal y inmunidad del huésped mediante el uso del modelo salvaje. En resumen, nuestro estudio proporciona datos sobre cómo la ingesta elevada de sodio afecta un ecosistema microbiano intestinal natural de origen silvestre en comparación con una comunidad bacteriana intestinal domesticada de CLM. Nuestro estudio demostró que la HSD no afecta a los taxones bacterianos ni a la microbiota intestinal en ratones salvajes de la misma manera que lo hace en la microbiota intestinal domesticada de CLM. Esta divergencia, como se indicó anteriormente para otros regímenes o condiciones dietéticos, como las dietas altas en grasas [54,55], indica que se necesitan investigaciones futuras en sistemas modelo murinos naturales para recapitular y estimar el impacto de las intervenciones dietéticas en ecosistemas intestinales más complejos. como en los humanos.
cistanche tubulosa-mejora el sistema inmunológico
Referencias
1. Candela, M.; Biagi, E.; Turroní, S.; Maccaferri, S.; Figini, P.; Brigidi, P. Eficiencia dinámica de la microbiota intestinal humana. Crítico. Rev. Microbiol. 2015, 41, 165-171. [Referencia cruzada] [PubMed]
2. Candela, M.; Biagi, E.; Maccaferri, S.; Turroní, S.; Brigidi, P. La microbiota intestinal es un factor plástico que responde a los cambios ambientales. Tendencias Microbiol. 2012, 20, 385–391. [Referencia cruzada] [PubMed]
3. Boets, E.; Gomand, SV; Deroover, L.; Preston, T.; Vermeulen, K.; De Preter, V.; Hamer, HM; Van den Mooter, G.; De Vuyst, L.; Courtin, CM Disponibilidad sistémica y metabolismo de los ácidos grasos de cadena corta derivados del colon en sujetos sanos: un estudio de isótopos estables. J. Physiol. 2017, 595, 541–555. [CrossRef] [PubMed] 4. Tan, J.; McKenzie, C.; Potamitis, M.; Thorburn, AN; Mackay, CR; Macia, L. El papel de los ácidos grasos de cadena corta en la salud y la enfermedad. Adv. Inmunol. 2014, 121, 91-119. [PubMed]
5. Kumar, J.; Rani, K.; Datt, C. Vínculo molecular entre la fibra dietética, la microbiota intestinal y la salud. Mol. Biol. Representante 2020, 47, 6229–6237. [Referencia cruzada] [PubMed]
6. Bilotta, AJ; Cong, Y. Regulación de los metabolitos de la microbiota intestinal de las defensas del huésped en las superficies mucosas: implicaciones en la medicina de precisión. Resumen. Clínico. Medicina. 2019, 2, 110–119. [Referencia cruzada]
7. Torres, MG; Garrett, WS Microbiota intestinal, metabolitos e inmunidad del huésped. Nat. Rev. Immunol. 2016, 16, 341–352. [Referencia cruzada]
8. Rodríguez, JM; Murphy, K.; Stanton, C.; Ross, RP; Kober, OI; Jugé, N.; Avershina, E.; Rudi, K.; Narbad, A.; Jenmalm, MC La composición de la microbiota intestinal a lo largo de la vida, con énfasis en los primeros años de vida. Microbio. Ecológico. Enfermedades de salud. 2015, 26, 26050. [Referencia cruzada]
9. Arrieta, M.-C.; Stiemsma, LT; Amenyogbe, N.; Marrón, EM; Finlay, B. El microbioma intestinal en los primeros años de vida: salud y enfermedad. Frente. Inmunol. 2014, 5, 427. [Referencia cruzada]
10. Chung, FSM; Walker, AW; Luis, P.; Parkhill, J.; Vermeiren, J.; Bosscher, D.; Duncan, SH; Flint, HJ La modulación de la microbiota intestinal humana por las fibras dietéticas se produce a nivel de especie. BMC Biol. 2016, 14, 3. [Referencia cruzada]
11. Danneskiold-Samsøe, NB; Barros, HDDFQ; Santos, R.; Bicas, JL; Cazarin, CBB; Madsen, L.; Kristiansen, K.; Pastore, GM; Brix, S.; Júnior, MRM Interacción entre los alimentos y la microbiota intestinal en la salud y la enfermedad. Res. alimentaria. En t. 2019, 115, 23–31. [Referencia cruzada] 12. Scott, KP; Duncan, SH; Flint, HJ Fibra dietética y microbiota intestinal. Nutrición. Toro. 2008, 33, 201–211. [Referencia cruzada]
13. Donohoe, DR; Garge, N.; Zhang, X.; Sol, W.; O'Connell, TM; Bunger, MK; Bultman, SJ El microbioma y el butirato regulan el metabolismo energético y la autofagia en el colon de los mamíferos. Metabolismo celular. 2011, 13, 517–526. [Referencia cruzada]
14. Gomaa, EZ Microbiota/microbioma intestinal humano en la salud y las enfermedades: una revisión. Antonie Van Leeuwenhoek 2020, 113, 2019-2040. [Referencia cruzada]
15. Requena, T.; Martínez-Cuesta, MC; Peláez, C. Dieta y microbiota vinculadas en la salud y la enfermedad. Función alimentaria. 2018, 9, 688–704. [Referencia cruzada] [PubMed]
16. Ericsson, AC; Franklin, CL El microbioma intestinal de ratones de laboratorio: consideraciones y mejores prácticas para la investigación traslacional. Mamá. Genoma 2021, 32, 239–250. [Referencia cruzada] [PubMed]
17. Beresford-Jones, BS; Forster, Carolina del Sur; Mira fijamente, MD; Notley, G.; Viciani, E.; Browne, HP; Böhmler, DJ; Söderholm, AT; Kumar, N.; Vervier, K. El catálogo de bacterias gastrointestinales de ratón permite la traducción entre la microbiota intestinal del ratón y la humana mediante un mapeo funcional. Microbio huésped celular 2022, 30, 124–138.e8. [Referencia cruzada]
18. Fava, F.; Rizzetto, L.; Tuohy, K. Microbiota intestinal y salud: conectando actores en todo el sistema metabólico. Proc. Nutrición. Soc. 2019, 78, 177–188. [Referencia cruzada]
19. David, Luisiana; Materna, AC; Friedman, J.; Campos-Baptista, MI; Blackburn, MC; Perrotta, A.; Erdman, SE; Alm, EJ El estilo de vida del anfitrión afecta la microbiota humana en escalas de tiempo diarias. Genoma Biol. 2014, 15, R89. [Referencia cruzada]
20. Tanaka, M.; Nakayama, J. Desarrollo de la microbiota intestinal en la infancia y su impacto en la salud en la vejez. Alergol. En t. 2017, 66, 515–522. [Referencia cruzada]
21. David, Luisiana; Mauricio, CF; Carmody, enfermera registrada; Gootenberg, DB; Botón, JE; Wolfe, SER; Ling, AV; Devlin, AS; Varma, Y.; Fischbach, MA La dieta altera de forma rápida y reproducible el microbioma intestinal humano. Naturaleza 2014, 505, 559–563. [Referencia cruzada] [PubMed]
22. García-Montero, C.; Fraile-Martínez, O.; Gómez-Lahoz, AM; Pekarek, L.; Castellanos, AJ; Noguerales-Fraguas, F.; Coca, S.; Guijarro, LG; García-Honduvilla, N.; Asúnsolo, A. Componentes nutricionales en la dieta occidental versus la dieta mediterránea en la interacción entre la microbiota intestinal y el sistema inmunológico. Implicaciones para la salud y la enfermedad. Nutrientes 2021, 13, 699. [CrossRef] [PubMed]
23. Soverini, M.; Rampelli, S.; Turroní, S.; Schnorr, SL; Quercia, S.; Castagnetti, A.; Biagi, E.; Brigidi, P.; Candela, M. Variaciones en el perfil del metagenoma del intestino humano posterior al destete como resultado de la adquisición de Bifidobacterium en el microbioma occidental. Frente. Microbiol. 2016, 7, 1058. [CrossRef] [PubMed]
24. Manzel, A.; Müller, DN; Hafler, DA; Erdman, SE; Enlazador, RA; Kleinewietfeld, M. Papel de la "dieta occidental" en las enfermedades inflamatorias autoinmunes. actual. Alergia Asma Rep. 2014, 14, 404. [CrossRef] [PubMed]
25. Kleinewietfeld, M.; Manzel, A.; Titzé, J.; Kvakan, H.; Yosef, N.; Enlazador, RA; Müller, DN; Hafler, DA El cloruro de sodio impulsa las enfermedades autoinmunes mediante la inducción de células TH17 patógenas. Naturaleza 2013, 496, 518–522. [Referencia cruzada] [PubMed]
26. Haase, S.; Wilck, N.; Kleinewietfeld, M.; Müller, DN; Linker, RA El cloruro de sodio desencadena la autoinmunidad mediada por Th17. J. Neuroinmunol. 2019, 329, 9-13. [Referencia cruzada] [PubMed]
27. Hernández, AL; Kitz, A.; Wu, C.; Lowther, DE; Rodríguez, DM; Vudattu, N.; Deng, S.; Herold, KC; Kuchroo, VK; Kleinewietfeld, M. El cloruro de sodio inhibe la función supresora de las células T reguladoras FOXP3+. J.Clin. Investigando. 2015, 125, 4212–4222. [Referencia cruzada]
28. Hamad, I.; Cardilli, A.; Corte-Real, BF; Dyczko, A.; Vangronsveld, J.; Kleinewietfeld, M. La dieta rica en sal induce el agotamiento de las bacterias productoras de ácido láctico en el intestino murino. Nutrientes 2022, 14, 1171. [CrossRef]
29. Wilck, N.; Matus, MG; Kearney, SM; Olesen, suroeste; Forslund, K.; Bartolomaeus, H.; Haase, S.; Mahler, A.; Balogh, A.; Markó, L. El comensal intestinal sensible a la sal modula el eje TH 17 y la enfermedad. Naturaleza 2017, 551, 585–589. [Referencia cruzada]
30. Wei, Y.; Lu, C.; Chen, J.; Cui, G.; Wang, L.; Yu, T.; Yang, Y.; Wu, W.; Ding, Y.; Li, L. La dieta rica en sal estimula la respuesta intestinal Th17 y exacerba la colitis inducida por TNBS en ratones. Oncotarget 2017, 8, 70. [CrossRef]
31. Él, FJ; Li, J.; MacGregor, GA Efecto de una modesta reducción de sal a largo plazo sobre la presión arterial. Sistema de base de datos Cochrane. Rev.2013, 346, f1325. [Referencia cruzada] [PubMed]
32. Hu, L.; Zhu, S.; Peng, X.; Li, K.; Peng, W.; Zhong, Y.; Kang, C.; Cao, X.; Liu, Z.; Zhao, B. El alto contenido de sal provoca inflamación cerebral y disfunción cognitiva, acompañadas de alteraciones en la microbiota intestinal y disminución de la producción de SCFA. J. Enfermedad de Alzheimer. 2020, 77, 629–640. [Referencia cruzada]
33. Tubbs, AL; Liu, B.; Rogers, TD; Sartor, RB; Miao, EA La sal dietética exacerba la colitis experimental. J. Inmunol. 2017, 199, 1051–1059. [Referencia cruzada]
34. Müller, DN; Wilck, N.; Haase, S.; Kleinewietfeld, M.; Linker, RA El sodio en el microambiente regula las respuestas inmunes y la homeostasis de los tejidos. Nat. Rev. Immunol. 2019, 19, 243–254. [Referencia cruzada] [PubMed]
35. Rebabas, AH; Bhattacharjee, A.; Hand, TW Modulación nutricional del microbioma y respuesta inmune. J. Inmunol. 2020, 205, 1479–1487. [Referencia cruzada] [PubMed]
36. Roca-Saavedra, P.; Méndez-Vilabille, V.; Miranda, JM; Nebot, C.; Cardelle-Cobas, A.; Franco, CM; Cepeda, A. Aditivos alimentarios, contaminantes y otros componentes menores: efectos sobre la microbiota intestinal humana: una revisión. J. Physiol. Bioquímica. 2018, 74, 69–83. [Referencia cruzada]
37. Corte-Real, BF; Hamad, I.; Hornero, RA; Geisberger, S.; Roels, J.; Van Zeebroeck, L.; Dyczko, A.; van Gisbergen, MW; Kurniawan, H.; Wagner, A. El sodio perturba la respiración mitocondrial e induce Tregs disfuncionales. Metabolismo celular. 2023, 35, 299–315.e298. [Referencia cruzada] [PubMed]
38. Zagato, E.; Pozzi, C.; Bertocchi, A.; Schioppa, T.; Saccheri, F.; Guglietta, S.; Fosso, B.; Melocchi, L.; Nizzoli, G.; Troisi, J. El miembro endógeno de la microbiota murina Faecalibaculum rodentium y su homólogo humano protegen del crecimiento de tumores intestinales. Nat. Microbiol. 2020, 5, 511–524. [Referencia cruzada] [PubMed]
39. Mao, G.; Li, S.; Orfila, C.; Shen, X.; Zhou, S.; Linhardt, RJ; Sí, X.; Chen, S. La pectina despolimerizada enriquecida con RG-I de las membranas de los segmentos de los cítricos modula la microbiota intestinal, aumenta la producción de SCFA y promueve el crecimiento de Bifidobacterium spp., Lactobacillus spp. y Faecalibaculum spp. Función alimentaria. 2019, 10, 7828–7843. [Referencia cruzada]
40. Miranda, PM; De Palma, G.; Serkis, V.; Lu, J.; Louis-Auguste, diputado; McCarville, JL; Verdú, EF; Collins, SM; Bercik, P. La dieta rica en sal exacerba la colitis en ratones al disminuir los niveles de Lactobacillus y la producción de butirato. Microbioma 2018, 6, 57. [CrossRef]
41. Chen, L.; Él, FJ; Dong y.; Huang, Y.; Wang, C.; Harshfield, Georgia; Zhu, H. La reducción modesta de sodio aumenta los ácidos grasos de cadena corta circulantes en hipertensos no tratados: un ensayo aleatorizado, doble ciego y controlado con placebo. Hipertensión 2020, 76, 73–79. [Referencia cruzada] [PubMed]
42. Lukovac, S.; Belzer, C.; Pellis, L.; Keijser, BJ; de Vos, WM; Montijn, RC; Roeselers, G. Modulación diferencial por Akkermansia muciniphila y Faecalibacterium prausnitzii del metabolismo de los lípidos periféricos del huésped y la acetilación de histonas en organoides intestinales de ratón. MBio 2014, 5, e01438-14. [Referencia cruzada] [PubMed]
43. Dao, MC; Everard, A.; Aron-Wisnewsky, J.; Sokolovska, N.; Prifti, E.; Verger, EO; Kayser, BD; Levénez, F.; Chilloux, J.; Hoyles, L. Akkermansia muciniphila y la mejora de la salud metabólica durante una intervención dietética en la obesidad: relación con la riqueza y la ecología del microbioma intestinal. Instinto 2016, 65, 426–436. [Referencia cruzada] [PubMed]
44. Llewellyn, SR; Britton, GJ; Contijoch, EJ; Vennaro, Ohio; Morta, A.; Colombel, J.-F.; Grinspan, A.; Clemente, JC; Mérad, M.; Faith, JJ Las interacciones entre la dieta y la microbiota intestinal alteran la permeabilidad intestinal y la gravedad de la colitis en ratones. Gastroenterología 2018, 154, 1037–1046.e1032. [Referencia cruzada]
45. Berber, K.; Gerdes, Luisiana; Cekanaviciute, E.; Jia, X.; Xiao, L.; Xia, Z.; Liu, C.; Klotz, L.; Stauffer, U.; Baranzini, SE La microbiota intestinal de pacientes con esclerosis múltiple permite la encefalomielitis autoinmune espontánea en ratones. Proc. Nacional. Acad. Ciencia. EE.UU. 2017, 114, 10719–10724. [Referencia cruzada]
46. Sánchez, JMS; DePaula-Silva, AB; Libbey, JE; Fujinami, RS Papel de la dieta en la regulación de la microbiota intestinal y la esclerosis múltiple. Clínico. Inmunol. 2022, 235, 108379. [Referencia cruzada]
47. Mak, IW; Evaniew, N.; Ghert, M. Perdido en la traducción: modelos animales y ensayos clínicos en el tratamiento del cáncer. Soy. J. Transl. Res. 2014, 6, 114.
48. Payne, KJ; Crooks, compromiso del linaje de células inmunitarias transgénicas: traducción de ratones a humanos. Inmunidad 2007, 26, 674–677. [Referencia cruzada]
49. Seok, J.; Warren, SA; Cuenca, AG; Mindrinos, Minnesota; Panadero, HV; Xu, W.; Richards, DR; McDonald-Smith, médico de cabecera; Gao, H.; Hennessy, L. Las respuestas genómicas en modelos de ratón imitan mal las enfermedades inflamatorias humanas. Proc. Nacional. Acad. Ciencia. EE.UU. 2013, 110, 3507–3512. [Referencia cruzada] [PubMed]
50. Nguyen, TLA; Vieira-Silva, S.; Listón, A.; Raes, J. ¿Qué tan informativo es el ratón para la investigación de la microbiota intestinal humana? Dis. Modelo. Mec. 2015, 8, 1–16. [Referencia cruzada]
51. Rosshart, SP; Vassallo, BG; Angeletti, D.; Hutchinson, DS; Morgan, AP; Takeda, K.; Hickman, HD; McCulloch, JA; Tejón, JH; Ajami, Nueva Jersey La microbiota intestinal de ratones salvajes promueve la aptitud del huésped y mejora la resistencia a las enfermedades. Celda 2017, 171, 1015–1028.e1013. [Referencia cruzada] [PubMed]
52. Suzuki, TA; Phifer-Rixey, M.; Mack, KL; Sheehan, MJ; Lin, D.; Bi, K.; Nachman, MW Determinantes genéticos del huésped de la microbiota intestinal de ratones salvajes. Mol. Ecológico. 2019, 28, 3197–3207. [Referencia cruzada] [PubMed]
53. Mauricio, CF; CL Knowles, S.; Ladau, J.; Pollard, KS; Fenton, A.; Pedersen, AB; Turnbaugh, PJ Marcada variación estacional en la microbiota intestinal del ratón salvaje. ISME J. 2015, 9, 2423–2434. [Referencia cruzada] [PubMed]
54. Rosshart, SP; Herz, J.; Vassallo, BG; Cazador, A.; Muro, MK; Tejón, JH; McCulloch, JA; Anastasakis, director general; Sarshad, AA; Leonardi, I. Los ratones de laboratorio nacidos de ratones salvajes tienen una microbiota natural y modelan las respuestas inmunes humanas. Ciencia 2019, 365, eaaw4361. [Referencia cruzada] [PubMed]
55. Hild, B.; Dreier, MS; Ah, JH; McCulloch, JA; Tejón, JH; Guo, J.; Thefaine, CE; Umarova, R.; Hall, KD; Gavrilova, O. La exposición neonatal a un microbioma de origen silvestre protege a los ratones contra la obesidad inducida por la dieta. Nat. Metab. 2021, 3, 1042–1057. [Referencia cruzada] [PubMed]
56. Caporaso, JG; Lauber, CL; Walters, Washington; Berg-Lyons, D.; Lozupone, California; Turnbaugh, PJ; Fierer, N.; Knight, R. Patrones globales de diversidad de ARNr 16S a una profundidad de millones de secuencias por muestra. Proc. Nacional. Acad. Ciencia. EE.UU. 2011, 108, 4516–4522. [Referencia cruzada] [PubMed]
57. Bolyen, E.; Paseo, JR; Dillon, señor; Bokulich, NA; Abnet, CC; Al-Ghalith, GA; Alejandro, H.; Alm, EJ; Arumugam, M.; Asnicar, F. Ciencia de datos de microbiomas reproducibles, interactivas, escalables y extensibles utilizando QIIME 2. Nat. Biotecnología. 2019, 37, 852–857. [Referencia cruzada]
58. Callahan, BJ; McMurdie, PJ; Rosen, MJ; Han, AW; Johnson, AJA; Holmes, SP DADA2: Inferencia de muestras de alta resolución a partir de datos de amplicones de Illumina. Nat. Métodos 2016, 13, 581–583. [Referencia cruzada]
59. Lozupone, C.; Lladser, YO; Caballeros, D.; Stombaugh, J.; Knight, R. UniFrac: Una métrica de distancia eficaz para la comparación de comunidades microbianas. ISME J. 2011, 5, 169-172. [Referencia cruzada]
60. Oksanen, J.; Simpson, G.; Blanchet, F.; Kindt, R.; Legendre, P.; Minchin, P.; O'Hara, R.; Solymos, P.; Stevens, M.; Szoecs, E.; et al. Vegano: Paquete de Ecología Comunitaria. Versión 2.6-4. 11 de octubre de 2022. Disponible en línea: https://CRAN.R-project.org/package= vegan (consultado el 26 de noviembre de 2022).
61. Segata, N.; Izard, J.; Waldron, L.; Gevers, D.; Miropolsky, L.; Garrett, WS; Huttenhower, C. Descubrimiento y explicación de biomarcadores metagenómicos. Genoma Biol. 2011, 12, R60. [Referencia cruzada]
62. Douglas, gerente general; Maffei, VJ; Zaneveld, JR; Yurgel, SN; Marrón, JR; Taylor, CM; Huttenhower, C.; Langille, MG PICRUSt2 para la predicción de funciones del metagenoma. Nat. Biotecnología. 2020, 38, 685–688. [Referencia cruzada]
63. Neil, B.; Wu, Y.; Feng, X.; Zhang, R.; Zhang, Y.; Shi, J.; Zhang, J.; Tian, M.; Huang, L.; Li, Z. Efecto de la sustitución de sal sobre los eventos cardiovasculares y la muerte. N. inglés. J. Med. 2021, 385, 1067–1077. [Referencia cruzada]
64. Arroyo Hornero, R.; Hamad, I.; Corte-Real, B.; Kleinewietfeld, M. El impacto de los componentes de la dieta sobre las células T reguladoras y las enfermedades. Frente. Inmunol. 2020, 11, 253. [CrossRef] [PubMed]
65. Wu, GD; Chen, J.; Hoffmann, C.; Bittinger, K.; Chen, YY; Keilbaugh, SA; Bewtra, M.; Caballeros, D.; Walters, Washington; Caballero, R.; et al. Vincular los patrones dietéticos a largo plazo con los enterotipos microbianos intestinales. Ciencia 2011, 334, 105–108. [Referencia cruzada] [PubMed]
66. Ju, T.; Kong, JY; Stothard, P.; Willing, BP Definición del papel de Parasutterella, un miembro no caracterizado previamente de la microbiota intestinal central. ISME J. 2019, 13, 1520-1534. [Referencia cruzada] [PubMed]