CN110129431B - 一种ii型糖尿病微生物标志物及其应用 - Google Patents
一种ii型糖尿病微生物标志物及其应用 Download PDFInfo
- Publication number
- CN110129431B CN110129431B CN201910459231.1A CN201910459231A CN110129431B CN 110129431 B CN110129431 B CN 110129431B CN 201910459231 A CN201910459231 A CN 201910459231A CN 110129431 B CN110129431 B CN 110129431B
- Authority
- CN
- China
- Prior art keywords
- type
- diabetes
- diabetes mellitus
- machine learning
- xgboost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 208000001072 type 2 diabetes mellitus Diseases 0.000 title claims abstract description 67
- 239000003550 marker Substances 0.000 title claims abstract description 21
- 230000000813 microbial effect Effects 0.000 title claims description 22
- 238000012360 testing method Methods 0.000 claims description 24
- 206010012601 diabetes mellitus Diseases 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 16
- 241000605861 Prevotella Species 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 14
- 241000606750 Actinobacillus Species 0.000 claims description 11
- 230000001580 bacterial effect Effects 0.000 claims description 11
- 241000588914 Enterobacter Species 0.000 claims description 10
- 241001453380 Burkholderia Species 0.000 claims description 7
- 241000604449 Megasphaera Species 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 241000606125 Bacteroides Species 0.000 claims description 6
- 241000125947 Tyzzerella Species 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 241000160321 Parabacteroides Species 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 241000186811 Erysipelothrix Species 0.000 claims description 4
- 241000785902 Odoribacter Species 0.000 claims description 4
- 238000011529 RT qPCR Methods 0.000 claims description 3
- 241000194017 Streptococcus Species 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 2
- 230000001079 digestive effect Effects 0.000 claims 2
- 241000589291 Acinetobacter Species 0.000 claims 1
- 241000722826 Ardisia Species 0.000 claims 1
- 241000692822 Bacteroidales Species 0.000 claims 1
- 241000125969 Lachnoclostridium Species 0.000 claims 1
- 241000192001 Pediococcus Species 0.000 claims 1
- 230000000968 intestinal effect Effects 0.000 abstract description 22
- 241000894006 Bacteria Species 0.000 abstract description 20
- 244000005700 microbiome Species 0.000 abstract description 18
- 241001657509 Eggerthella Species 0.000 abstract description 9
- 241001112693 Lachnospiraceae Species 0.000 abstract description 9
- 241000609971 Erysipelotrichaceae Species 0.000 abstract description 7
- 235000005911 diet Nutrition 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 230000037213 diet Effects 0.000 abstract description 6
- 201000010099 disease Diseases 0.000 abstract description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 description 12
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 10
- 241000193403 Clostridium Species 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 9
- 238000012216 screening Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 8
- 230000001965 increasing effect Effects 0.000 description 7
- 239000003153 chemical reaction reagent Substances 0.000 description 6
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 description 6
- 229960003105 metformin Drugs 0.000 description 6
- 241000186000 Bifidobacterium Species 0.000 description 5
- 102000004877 Insulin Human genes 0.000 description 5
- 108090001061 Insulin Proteins 0.000 description 5
- 229940125396 insulin Drugs 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 241001112692 Peptostreptococcaceae Species 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 210000001035 gastrointestinal tract Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 206010022489 Insulin Resistance Diseases 0.000 description 3
- 238000013399 early diagnosis Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 101150084750 1 gene Proteins 0.000 description 2
- 241000521092 Alloprevotella Species 0.000 description 2
- 241000305071 Enterobacterales Species 0.000 description 2
- 241000588921 Enterobacteriaceae Species 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000090 biomarker Substances 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000002550 fecal effect Effects 0.000 description 2
- 239000008103 glucose Substances 0.000 description 2
- 201000001421 hyperglycemia Diseases 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 150000003254 radicals Chemical class 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 239000003053 toxin Substances 0.000 description 2
- 231100000765 toxin Toxicity 0.000 description 2
- 108700012359 toxins Proteins 0.000 description 2
- GOLXRNDWAUTYKT-UHFFFAOYSA-N 3-(1H-indol-3-yl)propanoic acid Chemical compound C1=CC=C2C(CCC(=O)O)=CNC2=C1 GOLXRNDWAUTYKT-UHFFFAOYSA-N 0.000 description 1
- 241000702462 Akkermansia muciniphila Species 0.000 description 1
- 241000701474 Alistipes Species 0.000 description 1
- 229940077274 Alpha glucosidase inhibitor Drugs 0.000 description 1
- 241001220439 Bacteroides coprocola Species 0.000 description 1
- 241001495171 Bilophila Species 0.000 description 1
- 241000605786 Desulfovibrio sp. Species 0.000 description 1
- 208000001380 Diabetic Ketoacidosis Diseases 0.000 description 1
- 229940124213 Dipeptidyl peptidase 4 (DPP IV) inhibitor Drugs 0.000 description 1
- 201000000297 Erysipelas Diseases 0.000 description 1
- 241000186588 Erysipelatoclostridium ramosum Species 0.000 description 1
- 241000221787 Erysiphe Species 0.000 description 1
- 241000588722 Escherichia Species 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- 241000186394 Eubacterium Species 0.000 description 1
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 1
- 241000606790 Haemophilus Species 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 229940122199 Insulin secretagogue Drugs 0.000 description 1
- 241001208870 Parabacteroides sp. 20_3 Species 0.000 description 1
- 241000191992 Peptostreptococcus Species 0.000 description 1
- 229940123518 Sodium/glucose cotransporter 2 inhibitor Drugs 0.000 description 1
- 241000205188 Thermococcus Species 0.000 description 1
- 229940123464 Thiazolidinedione Drugs 0.000 description 1
- 241000062949 Tremula Species 0.000 description 1
- 241000193450 [Clostridium] symbiosum Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 239000003888 alpha glucosidase inhibitor Substances 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000020940 control diet Nutrition 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 239000003603 dipeptidyl peptidase IV inhibitor Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000003877 glucagon like peptide 1 receptor agonist Substances 0.000 description 1
- 108091005995 glycated hemoglobin Proteins 0.000 description 1
- 230000002641 glycemic effect Effects 0.000 description 1
- 239000003316 glycosidase inhibitor Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000026278 immune system disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 210000004153 islets of langerhan Anatomy 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007410 oral glucose tolerance test Methods 0.000 description 1
- 229940125395 oral insulin Drugs 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 239000006041 probiotic Substances 0.000 description 1
- 230000000529 probiotic effect Effects 0.000 description 1
- 235000018291 probiotics Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000580 secretagogue effect Effects 0.000 description 1
- 238000009097 single-agent therapy Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 150000001467 thiazolidinediones Chemical class 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
- UYPYRKYUKCHHIB-UHFFFAOYSA-N trimethylamine N-oxide Chemical compound C[N+](C)(C)[O-] UYPYRKYUKCHHIB-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6883—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for diseases caused by alterations of genetic material
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Zoology (AREA)
- Genetics & Genomics (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种II型糖尿病微生物标志物及其应用，所述微生物标志物包括爱格士氏菌属(Eggerthella)、丹毒丝菌属(Erysipelotrichaceae)、Faecalitalea菌属(Faecalitalea)、毛螺菌菌属(Lachnospiraceae_ge)和Lachnoclostridium菌属(Lachnoclostridium)的组合。本发明的II型糖尿病微生物标志物与II型糖尿病相关度高，可用于协助诊断或预警II型糖尿病患病风险，还有利于个体通过调整饮食或医疗界入改善肠道菌微环境，从而减少个体患II型糖尿病的风险。
Description
技术领域
本发明属于微生物领域，涉及一种II型糖尿病微生物标志物及其应用。
背景技术
糖尿病是由遗传因素、免疫功能紊乱、微生物感染及其毒素、自由基毒素、精神因素等等各种致病因子作用于机体导致胰岛功能减退、胰岛素抵抗等而引发的糖、蛋白质、脂肪、水和电解质等一系列代谢紊乱综合征，临床上以高血糖为主要特点。其中II型糖尿病占糖尿病患者人数的90％以上。II型糖尿病患者除有明显的家族史外，肥胖和饮食是诱发糖尿病的主要环境因素，胃肠道菌群也同时兼具基因及环境双重因素，大多时候，两者息息相关。例如某些肠道菌产物的吲哚丙酸可预防II型糖尿病，而某些肠道菌产物的三甲胺氧化物可引发肥胖和胰岛素抵抗从而引发糖尿病，此外有报道指出二甲双胍对II型糖尿病的起效的关键在于调控了肠道内的微生物。还有研究发现特定的肠道细菌不平衡能够导致胰岛素耐受性，从而导致II型糖尿病等健康问题的风险增加。II型糖尿病如不能良好控制，任其发展不但后续治疗将更加困难，还将会带来例如糖尿病酮症酸中毒，高血糖高渗透压综合症等急性并发症和例如脑心血管病，肾病等慢性并发症，因此需要提倡早诊断，早预防。目前II型糖尿病的诊断方法主要有以下方法：随机(或偶然)血浆葡萄糖检测、空腹血浆葡萄糖检测、口服葡萄糖耐量试验、A1c(糖化血红蛋白)。
糖尿病治疗方法根据病情由轻到重一般分为下述几种(如血糖控制不达标(HbA1c≥7.0％)则进入下一步治疗)：1)单药治疗，例如二甲双胍或α-糖苷酶抑制剂/胰岛素促泌剂选择其一；2)二联治疗，例如二甲双胍+口服类的胰岛素促泌剂/a-糖苷酶抑制剂/二肽基肽酶IV抑制剂/噻唑烷二酮类/钠-葡萄糖协同转运蛋白2抑制剂，或者二甲双胍+注谢类胰岛素(1～2次/d)/胰高血糖素样肽1受体激动剂；3)三联治疗，二甲双胍+上述不同作用机制的两种药物；4)胰岛素多次注射，二甲双胍+基础胰岛素+餐时胰岛素，或每日多次预混胰岛素。现有技术中的诊断方法虽然简单快速精确，但是需要有创采血，且只检测到了2型糖尿病的最终结果，无法展示更多与II型糖尿病相关的信息。有些治疗方法只是参看血糖含量高低，治疗多于预防，只能随着血糖含量的增高步步增加药物的品种和数量，根治仍然需要个性化的调控饮食。而某些人在血糖发生异常之前，已需要提前干预调控饮食了。II型糖尿病有好诊断却不好控制的特征，不同个体，可能血糖结果相同，但是其发展为糖尿病的风险是不同的，其治疗或预防的有效措施也是不同的，其饮食调整的方案也是不同的。
CN104540962A公开了一组糖尿病生物标志物，包括嗜黏蛋白阿克曼氏菌Akkermansia muciniphila、肠道拟杆菌Bacteroides intestinalis、拟杆菌属Bacteroides sp.20_3、鲍氏梭菌Clostridium bolteae、哈氏梭菌Clostridiumhathewayi、多枝梭菌Clostridium ramosum、梭菌属Clostridium sp.HGF2、共生梭菌Clostridium symbiosum、脱硫弧菌属Desulfovibrio sp.3_1_syn3、缓慢爱格士氏菌Eggerthella lenta、大肠埃希氏菌Escherichia coli、梭菌目Clostridiales sp.SS3/4、直肠真杆菌Eubacterium rectale、普氏栖粪杆菌Faecalibacterium prausnitzii、副流感嗜血杆菌Haemophilus parainfluenzae、肠道罗斯拜瑞氏菌Roseburia intestinalis以及食葡糖罗斯拜瑞氏菌Roseburia inulinivorans。
CN108949965A公开了SNP标志物在II型糖尿病诊断中的应用。发现了肠道微生物B.coprocola菌株EDV01869.1基因SNP位点基因型与II型糖尿病有关，通过检测粪便基因组中EDV01869.1基因424位的SNP的基因型，可以判断患者是否患有II型糖尿病，提示可将上述SNP位点应用于II型糖尿病的早期临床诊断。
因此，提供一种特异性好、灵敏度高、能指示肠道细菌含量平衡状态、指导肠道菌群调节的II型糖尿病微生物标志物具有重要意义。
发明内容
针对现有技术的不足及实际的需求，本发明提供一种II型糖尿病微生物标志物及其应用，本发明的II型糖尿病微生物标志物可用于指示肠道微生物环境与II型糖尿病的关联，作为协助诊断，对II型糖尿病患病风险进行预警，指导肠道微生物环境的调整。
为达此目的，本发明采用以下技术方案：
第一方面，本发明提供一种II型糖尿病微生物标志物，所述微生物标志物包括爱格士氏菌属(Eggerthella)、丹毒丝菌属(Erysipelotrichaceae)、Faecalitalea菌属、毛螺菌菌属(Lachnospiraceae_ge)和Lachnoclostridium菌属的组合。
本发明的II型糖尿病微生物标志物均与II型糖尿病的患病风险相关，可以通过确定对象肠道菌群中是否存在所述微生物有效判断该对象是否患有或容易患上II型糖尿病，并且还可用于监控糖尿病患者的治疗效果。通过五种菌属的配合即可有助于协助诊断或预警II型糖尿病的患病风险，可用于糖尿病早期筛查，预防性调整肠道菌群，其后期应用广泛。
优选地，所述微生物标志物还包括肠杆菌属(Enterobacteriaceae)、巨球形菌属(Megasphaer)、Odoribacter菌属、普雷沃菌属(Prevotella_9)、Tyzzerella_3菌属、放线杆菌属(Actinobacillus)、拟普雷沃菌属(Alloprevotella)、别样杆菌属(Alistipes)、消化链球菌属(Peptostreptococcaceae)、Bacteroidales_S24-7_group_ge菌属、伯克霍尔德氏菌属(Burkholderiales)、嗜胆菌属(Bilophila)或副拟杆菌属(Parabacteroides)中的任意一种或至少两种的组合，优选为至少两种的组合。
优选地，所述微生物标志物包括爱格士氏菌属(Eggerthella)、丹毒丝菌属(Erysipelotrichaceae)、Faecalitalea菌属、毛螺菌菌属(Lachnospiraceae_ge)和Lachnoclostridium菌属(Lachnoclostridium)、肠杆菌属(Enterobacteriaceae)、巨球形菌属(Megasphaer)、Odoribacter菌属、普雷沃菌属(Prevotella_9)、Tyzzerella_3菌属、放线杆菌属(Actinobacillus)、拟普雷沃菌属(Alloprevotella)、别样杆菌属(Alistipes)、消化链球菌属(Peptostreptococcaceae)、Bacteroidales_S24-7_group_ge菌属、伯克霍尔德氏菌属(Burkholderiales)、嗜胆菌属(Bilophila)和副拟杆菌属(Parabacteroides)的组合。
本发明中，发明人发现，在包含爱格士氏菌属(Eggerthella)、丹毒丝菌属(Erysipelotrichaceae)、Faecalitalea菌属、毛螺菌菌属(Lachnospiraceae_ge)和Lachnoclostridium菌属的情况下，细菌变量数为5种及5种以上时，微生物标志物的组合与II型糖尿病的相关度不断升高，构建得到的模型灵敏度较高，当细菌菌属数量为18种时达到最高，进一步增加其他菌属的细菌并不会相应提高预测灵敏度反而增加前期检测的成本。通过细菌种类和数量的配合，所述18个属的特定细菌组合可以进一步提高标志物的特异性和检测灵敏度，可用于早期II型糖尿病的筛查，或风险预警，指导肠道菌群调整，预防II型糖尿病发生和发展。
第二方面，本发明提供一种检测如第一方面所述的II型糖尿病微生物标志物的试剂。
本发明中，所述试剂可以是针对所述II型糖尿病微生物标志物的引物探针组合或其他检测试剂，用以判断所述微生物标志物的丰度。
第三方面，本发明提供一种如第一方面所述的II型糖尿病微生物标志物或第二方面所述试剂的用途，所述用途包括用于构建预测II型糖尿病风险的模型、制备II型糖尿病诊断或治疗的试剂，或制备II型糖尿病诊断试剂盒中的任一种或至少两种的组合。
第四方面，本发明提供一种预测II型糖尿病风险的模型，所述模型的输入变量为第一方面所述的II型糖尿病微生物标志物的丰度。
优选地，所述II型糖尿病微生物标志物丰度的测定方法包括宏基因组测序、16S测序或qPCR定量检测中的任意一种或至少两种的组合。
本发明将某一类细菌丰度作为预测指标，因此，不管是用宏基因组测序定量，还是16S测序定量，甚至是qPCR定量，皆可作为测量手段，多样化了定量手段，打破了特定实验设备和实验技能的限制，使某些不具备特定实验设备的实验室也可实验本发明的数据测量和预测，本发明所述丰度均为相对丰度。
第五方面，本发明提供一种如第四方面所述模型的构建方法，包括如下步骤：分别获取健康个体和II型糖尿病患者粪便样本中的如第一方面所述微生物标志物的细菌丰度，将所有样本的细菌丰度和分类标签进行机器学习后存储模型。
优选地，步骤(2)所述机器学习模型包括Logistic回归、支持向量机、随机森林或Xgboost中的任意一种，优选为Xgboost。
本发明中使用交叉验证选取模型，交叉验证是在机器学习建立模型和验证模型参数时常用的办法。重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某个样本再下次可能成为测试集中的样本，即所谓“交叉验证”。
优选地，所述模型的输出值判定结果如下：
(A)风险值<0.4判定为健康人，无需调整肠道菌群；
(B)0.4≤风险值≤0.5判定为健康人，需要调整肠道菌群；
(C)风险值>0.5判定为II型糖尿病高风险人群，建议进行临床诊断。
本发明不仅提供了良好精度的II型糖尿病预测模型，以协助早期诊断II型糖尿病，而且可展示个体与II型糖尿病相关的肠道细菌情况，临床医生可根据个体肠道菌的实际情况给出临床指导意见，例如某些风险值范围的人群，特定肠道菌丰度已接近或超过特定值，可建议通过粪群移植，服用益生菌，改善饮食等方式改善肠道环境以做到提前预防，以减少发生II型糖尿病的风险，此外对某些高风险且已确诊患有II型糖尿病的患者，也可根据肠道菌情况进行某些必要的肠道微环境治疗。本发明可辅助临床进行II型糖尿病的提前预测，早期诊断，对降低II型糖尿病发病率，提高其疾病治疗率具有重大的临床意义。
本发明中，提供一组糖尿病微生物标志物，包括爱格士氏菌属(Eggerthella)、丹毒丝菌属(Erysipelotrichaceae)、Faecalitalea菌属、毛螺菌菌属(Lachnospiraceae_ge)和Lachnoclostridium菌属、肠杆菌属(Enterobacteriaceae)、巨球形菌属(Megasphaer)、Odoribacter菌属、普雷沃菌属(Prevotella_9)、Tyzzerella_3菌属、放线杆菌属(Actinobacillus)、拟普雷沃菌属(Alloprevotella)、别样杆菌属(Alistipes)、消化链球菌属(Peptostreptococcaceae)、Bacteroidales_S24-7_group_ge菌属、伯克霍尔德氏菌属(Burkholderiales)、嗜胆菌属(Bilophila)和副拟杆菌属(Parabacteroides)的组合，将所述标志物丰度输入Xgboost模型，训练测试后得到相应的预测II型糖尿病风险的模型。本发明的II型糖尿病微生物标志物预测II型糖尿病风险精确度高，灵敏性好，只需要获取肠道微生物标志物的丰度，通过模型计算给出风险预警，评估患II型糖尿病的可能性，可以用于预防警示受试者和提示其是否有必要进一步诊断确诊，还有利于个体通过调整饮食或医疗界入改善肠道菌微环境，从而减少个体患II型糖尿病的风险。
第六方面，本发明提供一种试剂盒，所述试剂盒包括如第二方面所述的试剂或/和如第四方面所述的模型。
与现有技术相比，本发明具有如下有益效果：
(1)本发明提供一种II型糖尿病微生物标志物，可用于II型糖尿病的预测与辅助诊断，检测特异性好，灵敏度高，指示肠道微生物菌群的状况，指导肠道微生态的调整，降低II型糖尿病的患病率；
(2)本发明发现粪便中特定微生物组合的含量与II型糖尿病的患病风险的相关关系，采用粪便做样本，安全无创，利于采样；
(3)本发明的通过大量筛选得到包含18个特定菌属的微生物标志物，通过构建模型指示肠道特定菌属的含量，协助II型糖尿病早期筛查，指导肠道菌微环境的调整；
(4)本发明提供一种II型糖尿病预测模型的构建方法，以标志物组合的丰度做输入变量，不局限于测量手段，只要能获取细菌丰度值的实验手段均支持本模型方法，有利于本发明的模型实现和推广。
附图说明
图1为本发明研究流程示意图；
图2为实施例1中数据样本分布；
图3为实施例1中分别针对Logistic回归、随机森林、Xgboost和Adaboost的5折分层采样交叉切分，测试集平均结果的ROC曲线分析；
图4为实施例2中Xgboost输出的前20个特定细菌菌属的重要性图；
图5为实施例2中针对Xgboost模型进行特征工程筛选得到的ROC-AUC分数与特征变量个数的关系图；
图6为实施例2中将Xgboost作为机器学习模型，重要性排名前18个变量作为输入变量，5折分层采样交叉切分，每折测试集结果以及5折平均值的ROC曲线。
具体实施方式
为更进一步阐述本发明所采取的技术手段及其效果，以下通过具体实施方式来进一步说明本发明的技术方案，但本发明并非局限在实施例范围内。
本发明通过前期筛选运算找到最适模型与特定种属的细菌作为微生物标志物，根据带类标的数据进行模型优化调参，提高模型的精确度和灵敏度，通过输出的风险值进行II型糖尿病早期筛查预测，并可以指示肠道微生物平衡状态，指导个体化肠道菌群调整，降低II型糖尿病患病风险，本发明的具体实施思路见图1。
实施例1机器学习分类器的挑选
本发明通过大量信息的筛选与匹配，挑选Xgboost为最优模型基础，具体方法如下：
(1)针对66例II型糖尿病人和53例健康人的粪便细菌进行16S测序，清洗数据并匹配数据库得到243个特定菌属的细菌的丰度含量，实验样本分布图见图2；
(2)构建机器学习分类器：测到的243个菌属丰度值作为输入数据，诊断结果作为目标结果(0：对照，1：患二型糖尿病疾病))。构建的分类器包含Logistic回归，随机森林，Adaboost以及Xgboost，将所述分类器用Gridsearch进行调参，选取最优参数；
(3)交叉验证选取模型：运用5折分层采样交叉切分(Sklearn库中的StratifiedKFold)，5次构建训练集和测试集，训练集输入分类器训练模型，测试集用于测试分类器的预测结果。将每次分类器的预测结果和测试集的真实结果进行比较，得到灵敏度和特异性，将5次平均的灵敏性和特异性做受试者曲线图(ROC)见图3。
由图3可知，Xgboost作为机器学习分类器的AUC值最高，标准差最小，稳定性最好，根据结果选定Xgboost作为分类器进行后续模型优化。
实施例2特定种属的细菌挑选
(1)特征筛选：包裹式选择特征，即把最终将要使用的学习器(Xgboost)的性能作为特征子集的评价原则。Xgboost模型得到变量特征的重要性(Feature-importance)分数，前20名特征及其重要性分数见图4，根据该分数的高低排序，逐步增加细菌变量个数，得到ROC-AUC最优所需要的变量(见图5)；
(2)测试模型：将18个特定属的细菌丰度作为输入特征变量的值，诊断结果作为目标结果。所有数据进行5折分层采样交叉切分，训练集输入Xgboost，测试集用于测试xgboost的预测结果，将每次Xgboost的预测结果和测试集的真实结果进行比较，得到灵敏度和特异性，每次结果和平均结果见图6；
(3)存储模型：将Xgboost作为机器学习模型，输所有样本的18个细菌丰度和分类标签进行机器学习后存储模型。
由图4可知，根据Xgboost分类器的结果，肠道菌中对II型糖尿病相关度按照由高到底依次为爱格士氏菌属(Eggerthella)、丹毒丝菌属(Erysipelotrichaceae)、Faecalitalea菌属(Faecalitalea)、毛螺菌菌属(Lachnospiraceae_ge)和Lachnoclostridium菌属(Lachnoclostridium)、肠杆菌属(Enterobacteriaceae)、巨球形菌属(Megasphaer)、Odoribacter菌属(Odoribacter)、普雷沃菌属(Prevotella_9)、Tyzzerella菌属(Tyzzerella_3)、放线杆菌属(Actinobacillus)、拟普雷沃菌属(Alloprevotella)、别样杆菌属(Alistipes)、消化链球菌属(Peptostreptococcaceae)、Bacteroidales菌属(Bacteroidales_S24-7_group_ge)、伯克霍尔德氏菌属(Burkholderiales)、嗜胆菌属(Bilophila)、副拟杆菌属(Parabacteroides)、双歧杆菌属(Bifidobacterium)和栖热菌属(Thermus)。
由图5可知，按照重要性排名进行输入变量个数的逐渐增加，AUC的值先显著增加，然后缓慢降低，当变量数为5时AUC值即可达到0.8左右，满足预测模型的功能，在变量数为18时AUC值达到最大0.87，说明本发明的模型灵敏度高，特异性好。
由图6可知，最终确认的模型是18个输入变量，通过5折分层采样交叉切分，将数据集进行多次拆分，可以显著提高模型的稳定性，其测试集的平均AUC为0.87，证明通过本发明所述II型糖尿病微生物标志物配合本发明的建模方法可以得到稳定性好、灵敏度高的预测模型。
综上所述，本发明以特定种属细菌的丰度为输入指标，扩展实验测量手段，构建相应的预测II型糖尿病的风险模型，除了协助诊断，还可以用于预防警示，有利于个体通过调整饮食或医疗界入改善肠道菌微环境，从而减少个体患II型糖尿病的风险。本发明对降低II型糖尿病发病率，提高其疾病治疗率具有重大的临床意义。
申请人声明，本发明通过上述实施例来说明本发明的详细方法，但本发明并不局限于上述详细方法，即不意味着本发明必须依赖上述详细方法才能实施。所属技术领域的技术人员应该明了，对本发明的任何改进，对本发明产品各原料的等效替换及辅助成分的添加、具体方式的选择等，均落在本发明的保护范围和公开范围之内。
Claims (5)
1.机器学习模型Xgboost在制备预测II型糖尿病风险产品中的应用，其特征在于，所述机器学习模型Xgboost的输入变量为II型糖尿病微生物标志物的丰度；
所述II型糖尿病微生物标志物包括爱格士氏菌属、丹毒丝菌属、Faecalitalea菌属、毛螺菌菌属、Lachnoclostridium菌属、肠杆菌属、巨球形菌属、Odoribacter菌属、普雷沃菌属、Tyzzerella_3菌属、放线杆菌属、拟普雷沃菌属、别样杆菌属、消化链球菌属、Bacteroidales_S24-7_group_ge菌属、伯克霍尔德氏菌属、嗜胆菌属和副拟杆菌属；
所述机器学习模型Xgboost的参数根据Gridsearch进行确定。
2.根据权利要求1所述的应用，其特征在于，所述II型糖尿病微生物标志物丰度的测定方法包括宏基因组测序、16S测序或qPCR定量检测中的任意一种或至少两种的组合。
3.一种基于机器学习模型Xgboost的预测II型糖尿病风险产品的构建方法，其特征在于，所述构建方法包括如下步骤：
(1)分别获取健康个体和II型糖尿病患者粪便样本中的微生物标志物爱格士氏菌属、丹毒丝菌属、Faecalitalea菌属、毛螺菌菌属、Lachnoclostridium菌属、肠杆菌属、巨球形菌属、Odoribacter菌属、普雷沃菌属、Tyzzerella_3菌属、放线杆菌属、拟普雷沃菌属、别样杆菌属、消化链球菌属、Bacteroidales_S24-7_group_ge菌属、伯克霍尔德氏菌属、嗜胆菌属和副拟杆菌属的细菌丰度；
(2)将步骤(1)所得数据分为训练集和测试集，输入机器学习模型Xgboost，优化参数，用训练集训练，用测试集测试，存储模型。
4.根据权利要求3所述的构建方法，其特征在于，步骤(2)所述优化参数为根据交叉验证进行参数优化。
5.根据权利要求4所述的构建方法，其特征在于，所述构建方法包括如下步骤：
(1)分别获取健康个体和II型糖尿病患者粪便样本中的微生物标志物爱格士氏菌属、丹毒丝菌属、Faecalitalea菌属、毛螺菌菌属、Lachnoclostridium菌属、肠杆菌属、巨球形菌属、Odoribacter菌属、普雷沃菌属、Tyzzerella_3菌属、放线杆菌属、拟普雷沃菌属、别样杆菌属、消化链球菌属、Bacteroidales_S24-7_group_ge菌属、伯克霍尔德氏菌属、嗜胆菌属和副拟杆菌属的细菌丰度；
(2)将步骤(1)所得数据分为训练集和测试集，输入机器学习模型Xgboost，根据交叉验证进行参数优化，用训练集训练，用测试集测试，存储模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910459231.1A CN110129431B (zh) | 2019-05-29 | 2019-05-29 | 一种ii型糖尿病微生物标志物及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910459231.1A CN110129431B (zh) | 2019-05-29 | 2019-05-29 | 一种ii型糖尿病微生物标志物及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110129431A CN110129431A (zh) | 2019-08-16 |
| CN110129431B true CN110129431B (zh) | 2022-10-04 |
Family
ID=67582972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910459231.1A Active CN110129431B (zh) | 2019-05-29 | 2019-05-29 | 一种ii型糖尿病微生物标志物及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110129431B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111020028A (zh) * | 2020-02-21 | 2020-04-17 | 天津医科大学 | 一种基于菌毛抗原基因分布对尿路感染部位进行定位判断的方法 |
| CN111753871B (zh) * | 2020-05-11 | 2022-12-16 | 同济大学 | 基于xgboost算法与特征工程的岩性及流体类型识别方法 |
| CN112680500A (zh) * | 2020-12-30 | 2021-04-20 | 深圳市第二人民医院(深圳市转化医学研究院) | 一种用于1型糖尿病检测的试剂、生物标志物及其应用 |
| CN113736894B (zh) * | 2021-08-05 | 2022-11-11 | 广东君道营养科技有限公司 | 四种肠道保护菌的检测方法及核酸检测试剂盒 |
| CN114317671B (zh) * | 2021-12-27 | 2024-04-16 | 复旦大学附属儿科医院 | 可作为1型糖尿病生物标志物的肠道细菌和粪便代谢物及其应用 |
| CN115354074B (zh) * | 2022-09-26 | 2023-04-25 | 河南省人民医院 | 一种2型糖尿病患者冠心病诊断试剂盒及诊断系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104540962A (zh) * | 2012-08-01 | 2015-04-22 | 深圳华大基因研究院 | 糖尿病生物标志物及其应用 |
| CN108676868A (zh) * | 2018-06-06 | 2018-10-19 | 中山大学附属第三医院（中山大学肝脏病医院） | 一组1型糖尿病标志物及其应用 |
| CN109797190A (zh) * | 2019-03-11 | 2019-05-24 | 上海宝藤生物医药科技股份有限公司 | 一种用于评估ii型糖尿病风险的微生物标志物及其应用 |
| WO2021250433A2 (en) * | 2020-06-12 | 2021-12-16 | The University Court Of The University Of Edinburgh | Assay method |
| CN114354827A (zh) * | 2022-03-21 | 2022-04-15 | 天津云检医疗器械有限公司 | 代谢标志物及其在制备2型糖尿病的风险预测试剂盒中的应用和试剂盒 |
-
2019
- 2019-05-29 CN CN201910459231.1A patent/CN110129431B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104540962A (zh) * | 2012-08-01 | 2015-04-22 | 深圳华大基因研究院 | 糖尿病生物标志物及其应用 |
| CN108676868A (zh) * | 2018-06-06 | 2018-10-19 | 中山大学附属第三医院（中山大学肝脏病医院） | 一组1型糖尿病标志物及其应用 |
| CN109797190A (zh) * | 2019-03-11 | 2019-05-24 | 上海宝藤生物医药科技股份有限公司 | 一种用于评估ii型糖尿病风险的微生物标志物及其应用 |
| WO2021250433A2 (en) * | 2020-06-12 | 2021-12-16 | The University Court Of The University Of Edinburgh | Assay method |
| CN114354827A (zh) * | 2022-03-21 | 2022-04-15 | 天津云检医疗器械有限公司 | 代谢标志物及其在制备2型糖尿病的风险预测试剂盒中的应用和试剂盒 |
Non-Patent Citations (2)
| Title |
|---|
| Connections between the human gut microbiome and gestational diabetes mellitus;Ya-Shu Kuang et al.,;《GigaScience》;20171231;第6卷;第1-12页 * |
| 中医药治疗2型糖尿病的现代生物学;孙杰等;《世界中医药》;20180930;第13卷(第9期);第2367-2371页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110129431A (zh) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110129431B (zh) | 一种ii型糖尿病微生物标志物及其应用 | |
| Elbere et al. | Baseline gut microbiome composition predicts metformin therapy short-term efficacy in newly diagnosed type 2 diabetes patients | |
| US10626471B2 (en) | Gene signatures of inflammatory disorders that relate to the liver | |
| CN111440884B (zh) | 源于肠道的诊断肌少症的菌群及其用途 | |
| CN109797190B (zh) | 一种用于评估ii型糖尿病风险的微生物标志物及其应用 | |
| CN105296590B (zh) | 大肠癌标志物及其应用 | |
| US20140179726A1 (en) | Gut microflora as biomarkers for the prognosis of cirrhosis and brain dysfunction | |
| WO2021184412A1 (zh) | 基于肠道微生物的双相情感障碍生物标志物及其筛选应用 | |
| Huang et al. | Analysis of microbiota in elderly patients with acute cerebral infarction | |
| CN105132518B (zh) | 大肠癌标志物及其应用 | |
| US11365452B2 (en) | Composition for diagnosing or predicting risk of metabolic syndrome or metabolic syndrome-related diseases using human oral microbiome | |
| CN107710205A (zh) | 用于心血管疾病状况的微生物组来源的表征、诊断和治疗的方法及系统 | |
| CN117418025A (zh) | 肠道菌群标志物在自闭症诊断和治疗中的应用 | |
| Nichols et al. | Gut metabolome and microbiota signatures predict response to treatment with exclusive enteral nutrition in a prospective study in children with active Crohn’s disease | |
| CN113913490B (zh) | 非酒精性脂肪肝标志微生物及其应用 | |
| CN110358849A (zh) | 源于肠道的诊断胰腺炎的生物标志物、筛选方法及其用途 | |
| CN113584193B (zh) | 毛螺菌属作为评估慢性自发性荨麻疹患者抗组胺药物疗效的标志物的应用 | |
| CN110396538A (zh) | 偏头痛生物标志物及其用途 | |
| KR102227382B1 (ko) | Pmas방법을 이용한 개인 맞춤형 장내 환경 개선 물질 스크리닝 방법 | |
| CN113337630A (zh) | 用于评估二型糖尿病患者粪菌移植疗效的微生物标志物及其应用 | |
| Nakamura et al. | Characteristics of gut microbiota in patients with diabetes determined by data mining analysis of terminal restriction fragment length polymorphisms | |
| EP3359682B1 (en) | Method for diagnosing hepatic fibrosis based on bacterial profile and diversity | |
| CN114196727B (zh) | 预测遗传性血管水肿发作及严重程度的标志物及其应用 | |
| CN113166815B (zh) | 肠道宏基因组在筛选pd-1抗体阻断剂疗效方面的用途 | |
| Popova et al. | Personalized Prediction of Glycemic Responses to Food in Women with Gestational Diabetes: Gut Microbiota Matters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230418 Address after: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai Patentee after: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd. Patentee after: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd. Address before: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai Patentee before: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd. Patentee before: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd. Patentee before: Shanghai Zhangjiang Medical Innovation Research Institute |