CN117690476A - 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法 - Google Patents

利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法 Download PDF

Info

Publication number
CN117690476A
CN117690476A CN202311698223.5A CN202311698223A CN117690476A CN 117690476 A CN117690476 A CN 117690476A CN 202311698223 A CN202311698223 A CN 202311698223A CN 117690476 A CN117690476 A CN 117690476A
Authority
CN
China
Prior art keywords
arsenic
as3mt
zebra fish
intestinal flora
contribution rate
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.)
Granted
Application number
CN202311698223.5A
Other languages
English (en)
Other versions
CN117690476B (zh
Inventor
张晶晶
郭莲仙
钟晓婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Affiliated Hospital of Guangdong Medical University
Original Assignee
Affiliated Hospital of Guangdong Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Affiliated Hospital of Guangdong Medical University filed Critical Affiliated Hospital of Guangdong Medical University
Priority to CN202311698223.5A priority Critical patent/CN117690476B/zh
Publication of CN117690476A publication Critical patent/CN117690476A/zh
Application granted granted Critical
Publication of CN117690476B publication Critical patent/CN117690476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明提供了利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法,所述预测方法包括以下步骤:标准饲养野生型斑马鱼和as3mt‑/‑型斑马鱼,形成6个组,分别为对照的野生型组、对照的as3mt‑/‑型组、砷暴露下的野生型组、砷暴露下as3mt‑/‑型组、砷暴露下及高抗下的野生型组、砷暴露下及高抗下的as3mt‑/‑型组;通过测定总砷和形态砷含量,得到as3mt和肠道菌群对砷生物转化贡献率的预测方法。本发明的预测方法揭示了as3mt与肠道菌群在砷代谢中的具体贡献率,为益生菌对砷的代谢贡献率评估提供了理论基础和技术支撑。

Description

利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法
技术领域
本发明涉及生物分析技术领域,特别涉及利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法。
背景技术
砷(As)是一种非金属元素,以不同的形态和化合物的形式存在。常见的砷形态有亚砷酸盐(iAsIII)、砷酸盐(iAsV)、一甲基砷(MMA)、二甲基砷(DMA)、砷甜菜碱(AsB)、砷胆碱(AsC)、砷糖(AsS)等。动物体内的as3mt(砷甲基转移酶)一直是无机砷向甲基化砷代谢物的酶催化转化的关键基因,能够将摄入体内的砷转化成成毒性较的形态,从而以代谢产物的形式排出体外。此外有文献报道,肠道菌群也是影响砷生物转化的重要因素,但具体的代谢途径还存有争议。
斑马鱼由于其繁殖周期短、体积小、容易拍摄大面积且高分辨率的细胞影像,进行系统性的量化分析等优点,常被用于建立抗生素扰乱模型或者无菌模型,以探究肠道菌群被破坏或缺失肠道菌群时砷生物转化的情况。
目前当前大多数关于砷生物转化的研究仅从as3mt或肠道菌群单方面的角度切入,但是同时考虑两者对于砷生物转化贡献率的研究并不多,也不能够量化。因此,亟需一种能够准确量化as3mt和肠道菌群在砷生物转化中的具体贡献率的方法。
发明内容
针对现有技术中的缺陷,本发明提出了利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法。
所述方法包括以下步骤:
S1:标准饲养野生型斑马鱼和as3mt-/-型斑马鱼至5~6月龄,分为6个组,分别为:
a)未经过处理的野生型斑马鱼组;
b)未经过处理的as3mt-/-型斑马鱼组;
c)在砷暴露条件下的野生型斑马鱼组;
d)在砷暴露条件下的as3mt-/-型斑马鱼组;
e)在砷暴露下同时在抗生素溶液下的野生型斑马鱼组;
f)在砷暴露下同时在抗生素溶液下的as3mt-/-型斑马鱼组;
S2:测定每个组的总砷及形态砷含量;
S3:根据S2所测得的总砷及形态砷含量构建结构方程模型,获得as3mt和肠道菌群对砷代谢的贡献率的方程式;
所述方程式如下所示:
yiAs/tAs=α+γ1xas 3mt2xintestinalmicrobiome
其中,yiAs/tAs为肌肉样本中形态砷或皮肤和肌肉样本中的总砷的绝对含量,单位为mg/kg;γ1和γ2为回归系数,将计算出的回归系数归一化后表示自变量对砷代谢的贡献率;α为截距,表示as3mt和肠道菌群均不变化时总砷或形态砷在斑马鱼体内的积累;Xas3mt表示as3mt对砷代谢的贡献;Xintestinal microbiome表示肠道菌群对砷代谢的贡献。
S4:根据S3所述方程式得到as3mt与肠道菌群对砷代谢的贡献率。
进一步的,步骤S1所述标准饲养的养殖水为去除氯以及紫外灯照射后的自来水。
进一步的,步骤S1所述标准饲养的水温为27.5~28.5℃。
进一步的,步骤S1所述标准饲养的pH为7.0~8.0。
进一步的,步骤S1所述砷暴露条件为450~500μg/L的亚砷酸钠溶液。
进一步的,步骤S1所述抗生素为土霉素,所述土霉素的浓度为100~150mg/L。
进一步的,步骤S2的具体过程为:
S2-1:称取80~100mg的皮肤或肌肉作为样本,通过电感耦合等离子体-质谱法测定皮肤和肌肉样本的总砷含量;
S2-2:称取80~100mg的肌肉作为样本,通过高效液相色谱-电感耦合等离子体质谱仪测定肌肉样本中形态砷的含量。
进一步的,所述形态砷包括砷酸盐、亚砷酸盐、二甲基砷、砷甜菜碱、一甲基砷。
进一步的,所述步骤S3构建结构方程模型中使用的软件为R语言,主要利用lavaan包和semMicro包。
进一步的,步骤S4中,所述as3mt与肠道菌群对砷生物转化的贡献率,具体为:as3mt或肠道菌群的回归系数占两者回归系数之和的百分比。
综上,与现有技术相比,本发明达到了以下技术效果:
1.本发明利用野生型和as3mt-/-型斑马鱼构建抗生素与砷暴露模型,阐明了as3mt和肠道菌群对体内砷生物转化的表现差异。
2.本发明的预测方法基于各暴露模型所测得砷数据,量化了as3mt与肠道菌群对体内砷生物转化的贡献率,为砷的生物转化机制研究提供了理论基础和技术支撑。
3.利用本发明的预测方法能够同时对多种未知益生菌对砷代谢的效果进行评估,不同益生菌之间具有可比性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例3的砷暴露30天后斑马鱼皮肤和肌肉组织蓄砷情况;
其中,图1a指砷从丰年虾到斑马鱼的营养转移;图1b~c为斑马鱼皮肤和肌肉组织中的总砷浓度;图1d~g斑马鱼肌肉组织中各砷形态的浓度;图1h斑马鱼肌肉组织中各砷形态的浓度;
*P<0.05,**P<0.01,***P<0.001,****P<0.0001,t检验;
图2为本发明实施例4的as3mt和肠道菌群对组织中iAs和tAs的贡献率饼图;深色线表示宿主as3mt基因的贡献,浅色线表示肠道微生物群的贡献;
图3为本发明实施例4的计算贡献率的结果解释;其中,lhs表示因变量,rhs表示自变量,op表示截距α,est表示自变量的系数γ(可以说是相关系数,正号表示正相关,负号表示负相关),pvalue表示自变量对因变量贡献是否有统计学差异,R2为决定系数。
图4为本发明实施例4的k折交叉验证结果;其中,formula表示对数据进行抽样训练后计算的公式,R2表示该公式的稳定性,diff_p表示训练后的结果和正式结果进行t检验,没有差异表示模型可解释且稳定,stderr表示训练后的结果和正式结果的误差值。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
实施例1斑马鱼的饲养和鉴定
1.饲料(盐水丰年虾)的制备
在孵化缸中加入6000mL鱼房过滤水,约150g未孵化的虾卵和200g粗盐,插入氧气管以让虾卵在水中翻滚,经过24h~36h后就可孵化成无节幼虫,期间给予30W LED,24h光照,孵化温度控制在25℃~30℃之间。孵育完成后,取出氧气管,让丰年虾沉淀10min至孵化缸缸底,用量杯接出高密度丰年虾并用分离器多次冲洗分离,去除大部分虾壳,过滤备用。
2.幼鱼和成鱼期培养
15dpf(受精后15天)~30dpf(受精后30天)为幼鱼前期,应将幼鱼转移到循环系统上培养,此时应使用密网筛,水流调节为滴水状,并根据鱼的密度来选择合适的鱼缸。31dpf(受精后31天)~90dpf(受精后90天)为幼鱼后期,在31dpf左右,根据鱼的大小相应更换为疏网筛并视具体情况将鱼进行分缸培养,对应调大水流。约91dpf为性成熟,可进行交配产卵。养殖水选用经除氯24h和紫外灯照射的自来水,控制水温在(28.0±0.50)℃,pH值控制在7.0~8.0,明暗周期设置为14h/10h,电导率稳定在500μs/cm~700μs/cm之间。每天喂食2次丰年虾幼虫。
3.斑马鱼品系的鉴定和筛选
成熟的as3mt+/-斑马鱼(缺4bp)购于中国斑马鱼中心(武汉)。经驯化后,先大量繁殖as3mt+/-斑马鱼,而后将杂合子以雌:雄为2:1比例进行自交后获得大量同胞野生型和as3mt-/-斑马鱼,并置于胚胎水中培养,之后在循环系统上培养至性成熟,并逐一将这些同胞的斑马鱼进行基因型测序,基因型鉴定的具体步骤为:
(1)剪尾鳍:将剪下来的尾鳍置于在200μL离心管中,加入20μL基因组裂解液,设置程序:50℃孵育3h,98℃变性10min,裂解产物于4℃保存。
(2)PCR扩增:
PCR引物序列为(5’-3’):
as3mt-F:如SEQ ID NO.1所示;
as3mt-R:如SEQ ID NO.2所示。
扩增体系为30μL体系,即在200μL离心管中加入PCR Master Mixwith Dye 15μL、正反向引物各1μL、DNA模板4μL和9μLddH2O;
扩增程序:预变性(94℃,5min)、变性(94℃,30s)、退火(57℃,30s)、延伸(72℃,30s)、扩增40个循环、终延伸(72℃,10min),PCR产物于4℃储存。
基因型鉴定:先将PCR产物于1%的琼脂糖凝胶上跑电泳15min,有条带的样本送一代基因测序。拿到结果后,根据测序结果进行筛选。
实施例2慢性砷暴露实验
分别挑选健康的雄性野生型和as3mt-/--斑马鱼,在标准条件下饲养至5月~6月龄。适应性喂养一周后,将90尾野生型和90尾as3mt-/-斑马鱼分别随机分为对照组(WT+C组和as3mt-/-+C组)、砷暴露组(WT+As组和as3mt-/-+As组)和抗生素联合砷暴露组(WT+Abx+As组和as3mt-/-+Abx+As组)。每组包括6个重复缸,每个缸5尾鱼,每缸1.5L培养液,即每组共使用30尾鱼。对照组均在普通系统水中培养,砷暴露组斑马鱼均在500μg/L的亚砷酸钠溶液中培养。抗生素联合砷暴露组斑马鱼同时给予100mg/L土霉素溶液和500μg/L的亚砷酸钠溶液进行联合暴露。在整个实验期间,所有组别斑马鱼都在半静态系统中培养30天。每天喂食两次新鲜孵化的活盐水丰年虾,两天更换一次培养液,喂食半小时后及时清理残留物和粪便,以保持适当的暴露浓度。
实施例3组织总砷和形态砷的检测
1.总砷的测定:称取约100mg的皮肤或肌肉作为一个样本,每组设置6个重复,皮肤和肌肉样本的总砷含量通过电感耦合等离子体质谱(ICP-MS)测定。
简要步骤:将样本进行研磨、加入浓硝酸,置于微波消化系统进行消化、冷却,在通风橱下除酸,将液体倒入50mL离心管,并用纯水定容至25mL,混匀,上机检测。
2.仪器参数:等离子体气流量为15L/min,载气流量和辅助气流量分别为1.05L/min和0.1L/min,分析模式为He碰撞反应池,氦气流量为4.2mL/min,射频功率为1550W,采用石英雾化器,雾化室温度为2℃,采样锥选择镍锥,采样深度8mm,采集时间540s,泵速率为0.3r/s,选择同位素为m/z=75。采用iAsV标准品进行外标法定量,每个样本均平行测定三次。
3.形态砷含量的测定:称取约100mg的肌肉作为一个样本,每组设置6个重复。因斑马鱼皮肤样本量太小,因此砷形态检测仅选用肌肉组织进行检测。肌肉组织中的五种常见砷形态,如iAsV、iAsIII、DMA、AsB和MMA均通过高效液相色谱-电感耦合等离子体质谱仪(HPLC-ICP-MS)进行测定。组织样本经过研磨、加入稀HNO3、置于90℃烘箱中进行热浸提、冷却后取上清、过滤至上样瓶后上机检测,上样量为50μL。
4.仪器参数:色谱仪采用IonPacAS19的4×250mm分离柱和IonPac AG19的4×50mm保护柱,流动相为25mmol/L碳酸铵,流速为1.0mL/min,pH为9.5,柱温设置为25℃。
采用外标法定量,每个样本均平行测定三次。其余未检出的砷用未知砷(uAs)表示,通过总砷与五种常见砷形态的含量之间的差值进行定量。
在测砷含量时对仪器(ICP-MS和HPLC-ICP-MS)分析性能进行评价,具体通过线性范围、相关系数、方法的精密度和回收率数据、检出限(LOD)、定量限(LOQ),以及国际标准参考物质(CRM)验证等进行分析评估的,表明仪器分析性能良好,砷的数据可靠。
5.检测结果
不同砷暴露下WT与as3mt-/-斑马鱼皮肤和肌肉组织总砷蓄积如图1所示,图1a说明了砷从丰年虾到斑马鱼的营养转移,图1b~c为斑马鱼皮肤和肌肉组织中的总砷浓度;图1d~g斑马鱼肌肉组织中各砷形态的浓度,图1h斑马鱼肌肉组织中各砷形态的浓度。比较同种品系不同暴露组的斑马鱼发现,在WT斑马鱼中,As组与对照组之间总砷浓度无显著性差异(P>0.05),而Abx+As组总砷蓄积显著高于As组(P<0.05);在as3mt-/-斑马鱼中,As组的CtAs显著高于对照组,Abx+As组的CtAs显著高于As组(P<0.05)。比较不同品系同种暴露组的斑马鱼可知,WT和as3mt-/-斑马鱼的对照组中均有少量砷蓄积,两组的CtAs无显著差异(P>0.05),这说明在无外源砷暴露的情况下,斑马鱼可以从日常的摄食行为中摄取砷剂并部分蓄积在体内。此外,as3mt-/-斑马鱼的As组和Abx+As组中的CtAs均显著高于WT斑马鱼对应暴露组(P<0.05)。比较同种品系不同暴露组的斑马鱼发现,在WT斑马鱼中,与对照组相比,As组肌肉组织的CiAs显著增加(P<0.05)。在as3mt-/-斑马鱼中,分别与对照组和As组相比,As组和Abx+As组的CiAs均显著增加(P<0.05)。比较不同品系同种暴露组的斑马鱼发现,as3mt-/-斑马鱼As组和Abx+As组的肌肉组织中CiAs显著高于WT斑马鱼的对应暴露组(P<0.05)。各种形态砷的组成百分比如图1a,h所示,对照组的WT和as3mt-/-斑马鱼体内AsB为主要的砷形态,且两组间AsB的含量和百分比均无显著差异(P>0.05),说明砷甲基转移酶的缺失并不影响砷剂(除无机砷外的一些有机砷和未知砷形态)的蓄积。而在受到外源iAs暴露后,as3mt-/-斑马鱼体内主要砷形态为AsB(as3mt-/-+As组平均百分比为51.2%,as3mt-/-+Abx+As组平均百分比为53.5%)和iAs(as3mt-/-+As组平均百分比为32.0%,as3mt-/-+Abx+As组平均百分比为35.4%)。在WT斑马鱼中,与对照组相比,AsB百分比在As组中增加;而与As组相比,AsB百分比在Abx+As组中减少。然而,AsB百分比在as3mt-/-斑马鱼的As组和Abx+As组中均下降。另外,在相同暴露下(As暴露组和Abx+As暴露组),as3mt-/-斑马鱼的AsB百分比显著降低,iAs百分比显著高于WT斑马鱼。
实施例4结构方程模型(SEM)的构建
为了评估as3mt和肠道菌群组对斑马鱼tAs代谢和iAs生物转化的确切贡献,使用R语言的lavaan包(v.0.6-14)和自写的semMicro包构建结构方程模型并进行贡献率的计算。
semMicro包的算法代码如下:
运用lavaan包和semMicro包计算贡献率的代码脚本如下,用于评估两个自变量(xas3mt,xintestinal microbiome)对于砷代谢(yiAs/tAs)的贡献率:
代码教程
#安装R包“wdb-web/semMicro”
#library(devtools)
devtools::install_github("wdb-web/semMicro")
devtools::install_github("yrosseel/lavaan")
#载入semMicro和lavaan包
library(semMicro)
library(lavaan)
#数据读取
##数据路径(读取范例数据)
data_path=system.file("data/semMicro_example_data.xlsx",package="semMicro")
##可更改为自己的数据路径
data_path="X:/XXX/XXXX/Desktop/semMicro_example_data.xlsx"
##读取数据
semMicro_example_data=readxl::read_excel(data_path,sheet=1)
#semMicro_example_data=readxl::read_excel(data_path,sheet=2)
#结构方程计算并作图
d=do_lavaan(semMicro_example_data,"skin_tAs~1+mei+abx")
plot_lavaan(d)
#计算自变量(mei/abx)对因变量(skin_tAs)的贡献率
l=d$summary
##mei贡献率:
paste0("mei%=",abs(l[l$op=="~",4][1]),"/(",paste0(abs(l[l$op=="~",4]),collapse="+"),")","=",eval(parse(text=paste0(abs(l[l$op=="~",4][1]),"/(",paste0(abs(l[l$op=="~",4]),collapse="+"),")"))))
##abx贡献率:
paste0("abx%=",abs(l[l$op=="~",4][2]),"/(",paste0(abs(l[l$op=="~",4]),collapse="+"),")","=",eval(parse(text=paste0(abs(l[l$op=="~",4][2]),"/(",paste0(abs(l[l$op=="~",4]),collapse="+"),")"))))
#检验数据集用于公式的稳定性_K折交叉验证法(留一法)
Microtest=test_lavaan(x=d,k=5)
test_plot(x=Microtest)
选择肌肉组织中iAs进行计算,因为它在新鲜淡水鱼中具有较高的甲基化能力。本发明设定了一个假设来进行建模,即as3mt和肠道菌群组是砷生物转化的主要途径。构建方程如公式1所示:
yiAs/tAs=α+γ1xas3mt2xintestinalmicrobiome
其中y为肌肉样本中iAs或皮肤、肌肉样本中的tAs的绝对含量(mg/kg);γ1和γ2为回归系数,将计算出的回归系数归一化后表示自变量(as3mt或肠道菌群)对砷生物转化的贡献值;α为截距,表示两个自变量均不变化时iAs或tAs在斑马鱼体内的积累。采用R2作为模型的模型拟合统计量来评价所构造模型的性能,R2的值越接近1,模型拟合的越好,结果如表1和图2所示。
表1基于砷数据构建结构方程模型后计算的各指数结果
根据表1和图2的结果显示,本发明中构建的模型均具有应用型,模型拟合较好。对于肌肉iAs,模型的为回归系数(Estimate)γ1为0.217,γ2为0.049;对于皮肤tAs,γ1为0.166,γ2为0.128;对于肌肉tAs,γ1为0.262,γ2为0.211(P<0.05)。对回归系数进行归一化后可得,as3mt和肠道菌群对宿主肌肉组织iAs的贡献率分别为81.6%和18.4%。此外,as3mt和肠道菌群对宿主(皮肤和肌肉组织)tAs的贡献率分别约为56.0%和44.0%。
计算贡献率的结果解释如图3所示。
其中,lhs表示因变量,rhs表示自变量,op表示截距α,est表示自变量的系数γ(可以说是相关系数,正号表示正相关,负号表示负相关),pvalue表示自变量对因变量贡献是否有统计学差异,R2为决定系数。
自变量b对因变量a的贡献率:b%=(b/b+c)*100=(0.217/0.217+0.049)*100;
自变量c对因变量a的贡献率:c%=(c/b+c)*100=(0.049/0.217+0.049)*100。
该数据集应用于该公式的稳定性验证结果解释,k折交叉验证(留一法),如图4所示。
formula表示对数据进行抽样训练后计算的公式,R2表示该公式的稳定性,diff_p表示训练后的结果和正式结果进行t检验,没有差异表示模型可解释且稳定,stderr表示训练后的结果和正式结果的误差值。
实施例5利用模型预测未知益生菌对砷代谢的贡献率
利用实施例4构建的砷代谢贡献率模型对未知益生菌对砷生物转化是否有贡献进行评估,具体评估方法如下:
其中,“+”表示组别中含有该菌,“-”表示组别中不含该菌,as3mt-/-表示敲除as3mt基因,Abx表示抗生素处理;利用上述动物模型及实验分组,可以计算多种未知益生菌和原肠道菌群(土著菌)分别对宿主组织砷代谢的贡献率,并且不同的未知益生菌对砷代谢的贡献率具有可比性。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法,其特征在于,包括以下步骤:
S1:标准饲养野生型斑马鱼和as3mt-/-型斑马鱼至5~6月龄,分为6个组,分别为:
a)未经过处理的野生型斑马鱼组;
b)未经过处理的as3mt-/-型斑马鱼组;
c)在砷暴露条件下的野生型斑马鱼组;
d)在砷暴露条件下的as3mt-/-型斑马鱼组;
e)在砷暴露下同时在抗生素溶液下的野生型斑马鱼组;
f)在砷暴露下同时在抗生素溶液下的as3mt-/-型斑马鱼组;
S2:测定每个组的总砷及形态砷含量;
S3:根据S2所测得的总砷及形态砷含量构建结构方程模型,获得as3mt和肠道菌群对砷生物转化的贡献率的方程式;
所述方程式如下所示:
yiAs/tAs=α+γ1xas3mt2xintestinalmicrobiome
其中,yiAs/tAs为肌肉样本中形态砷或皮肤和肌肉样本中的总砷的绝对含量,单位为mg/kg;γ1和γ2为回归系数,将计算出的回归系数归一化后表示自变量对砷代谢的贡献率;α为截距,表示as3mt和肠道菌群均不变化时总砷或形态砷在斑马鱼体内的积累;Xas3mt表示as3mt对砷代谢的贡献;Xintestinal microbiome表示肠道菌群对砷代谢的贡献。
S4:根据S3所述方程式得到as3mt与肠道菌群对砷代谢的贡献率。
2.根据权利要求1所述的预测方法,其特征在于,步骤S1所述标准饲养的养殖水为去除氯以及紫外灯照射后的自来水。
3.根据权利要求1所述的预测方法,其特征在于,步骤S1所述标准饲养的水温为27.5~28.5℃。
4.根据权利要求1所述的预测方法,其特征在于,步骤S1所述标准饲养的pH为7.0~8.0。
5.根据权利要求1所述的预测方法,其特征在于,步骤S1所述砷暴露条件为450~500μg/L的亚砷酸钠溶液。
6.根据权利要求1所述的预测方法,其特征在于,步骤S1所述抗生素为土霉素,所述土霉素的浓度为100~150mg/L。
7.根据权利要求1所述的预测方法,其特征在于,步骤S2的具体过程为:
S2-1:称取80~100mg的皮肤或肌肉作为样本,通过电感耦合等离子体-质谱法测定皮肤和肌肉样本的总砷含量;
S2-2:称取80~100mg的肌肉作为样本,通过高效液相色谱-电感耦合等离子体质谱仪测定肌肉样本中形态砷的含量。
8.根据权利要求1所述的预测方法,其特征在于,所述形态砷包括砷酸盐、亚砷酸盐、二甲基砷、砷甜菜碱、一甲基砷。
9.根据权利要求1所述的预测方法,其特征在于,所述步骤S3构建结构方程模型中使用的软件为R语言。
10.根据权利要求1所述的预测方法,其特征在于,步骤S4中,所述as3mt与肠道菌群对砷生物转化的贡献率,具体为:as3mt或肠道菌群的回归系数占两者回归系数之和的百分比。
CN202311698223.5A 2023-12-11 2023-12-11 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法 Active CN117690476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311698223.5A CN117690476B (zh) 2023-12-11 2023-12-11 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311698223.5A CN117690476B (zh) 2023-12-11 2023-12-11 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法

Publications (2)

Publication Number Publication Date
CN117690476A true CN117690476A (zh) 2024-03-12
CN117690476B CN117690476B (zh) 2024-06-18

Family

ID=90136612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311698223.5A Active CN117690476B (zh) 2023-12-11 2023-12-11 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法

Country Status (1)

Country Link
CN (1) CN117690476B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060550A1 (en) * 2010-05-12 2013-03-07 Universite Technologie De Compiegne - Utc Method of toxicological evaluation, method of toxicological screening and associated system
CN111505141A (zh) * 2020-04-26 2020-08-07 南京大学 一种基于污染物代谢扰动的非目标生物标志物高通量筛查方法
US20210183467A1 (en) * 2018-07-03 2021-06-17 Yale University System and method for using microbiome to de-risk drug development
US20220020451A1 (en) * 2020-07-20 2022-01-20 South China Agricultural University Method for evaluating metabolizable energy in goose diet by using a simulative digestion gross energy technique
CN114965813A (zh) * 2022-05-25 2022-08-30 广东医科大学 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用
CN115537458A (zh) * 2022-10-21 2022-12-30 广州保量医疗科技有限公司 一种基于粪便菌群检测在评估素食孕妇营养代谢水平中的应用
WO2023283571A1 (en) * 2021-07-06 2023-01-12 The Broad Institute, Inc. Methods and compositions for diagnosis and treatment of metabolic disorders
CN115714013A (zh) * 2022-10-27 2023-02-24 南方医科大学顺德医院(佛山市顺德区第一人民医院) 一种肺炎诊断的临床预测模型构建方法
US20230128143A1 (en) * 2020-03-25 2023-04-27 The Children's Medical Center Corporation Method for treating cancer

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060550A1 (en) * 2010-05-12 2013-03-07 Universite Technologie De Compiegne - Utc Method of toxicological evaluation, method of toxicological screening and associated system
US20210183467A1 (en) * 2018-07-03 2021-06-17 Yale University System and method for using microbiome to de-risk drug development
US20230128143A1 (en) * 2020-03-25 2023-04-27 The Children's Medical Center Corporation Method for treating cancer
CN111505141A (zh) * 2020-04-26 2020-08-07 南京大学 一种基于污染物代谢扰动的非目标生物标志物高通量筛查方法
US20220020451A1 (en) * 2020-07-20 2022-01-20 South China Agricultural University Method for evaluating metabolizable energy in goose diet by using a simulative digestion gross energy technique
WO2023283571A1 (en) * 2021-07-06 2023-01-12 The Broad Institute, Inc. Methods and compositions for diagnosis and treatment of metabolic disorders
CN114965813A (zh) * 2022-05-25 2022-08-30 广东医科大学 大米砷暴露损伤的尿液生物标志物及其筛选方法和应用
CN115537458A (zh) * 2022-10-21 2022-12-30 广州保量医疗科技有限公司 一种基于粪便菌群检测在评估素食孕妇营养代谢水平中的应用
CN115714013A (zh) * 2022-10-27 2023-02-24 南方医科大学顺德医院(佛山市顺德区第一人民医院) 一种肺炎诊断的临床预测模型构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENXU LI ET AL.: "Seasonal variations in arsenic mobility and bacterial diversity: The case study of Huangshui Creek, Shimen Realgar Mine, Hunan Province, China", 《SCIENCE OF THE TOTAL ENVIRONMENT》, vol. 749, 20 December 2020 (2020-12-20), pages 1 - 12 *
冉茂霞等: "砷在水生生物中的生物累积、转化及在其他生物体内的代谢毒理学研究进展", 《环境化学》, 28 August 2023 (2023-08-28), pages 1 - 16 *

Also Published As

Publication number Publication date
CN117690476B (zh) 2024-06-18

Similar Documents

Publication Publication Date Title
Hao et al. Integrated application of transcriptomics and metabolomics provides insights into unsynchronized growth in pearl oyster Pinctada fucata martensii
Hu et al. Public health risk of arsenic species in chicken tissues from live poultry markets of Guangdong province, China
Blewett et al. The effects of temperature and salinity on 17-α-ethynylestradiol uptake and its relationship to oxygen consumption in the model euryhaline teleost (Fundulus heteroclitus)
Huang et al. Effects of salinity acclimation on the growth performance, osmoregulation and energy metabolism of the oriental river prawn, Macrobrachium nipponense (De Haan)
Zhao et al. Integrated analysis about the effects of heat stress on physiological responses and energy metabolism in Gymnocypris chilianensis
Parrott et al. Influence of tissue, age, and environmental quality on DNA methylation in Alligator mississippiensis
Kristan et al. Alcalase treatment for elimination of stickiness in pikeperch (S ander lucioperca L.) eggs under controlled conditions
CN102353663A (zh) 一种用斑马鱼定量评价化合物肝毒性的方法
Urabe et al. Mitigation of adverse effects of rising CO2 on a planktonic herbivore by mixed algal diets
Zhao et al. Environmental DNA methylation of Lymnaea stagnalis varies with age and is hypermethylated compared to tissue DNA
Mai et al. Genetic basis of negative heterosis for growth traits in chickens revealed by genome-wide gene expression pattern analysis
Yan et al. Selection by parasites on components of fitness in Tribolium beetles: the effect of intraspecific competition
Cai et al. Abnormal neurobehavior in fish early life stages after exposure to cyanobacterial exudates
Lazado et al. Consequences of continuous ozonation on the health and welfare of Atlantic salmon post-smolts in a brackish water recirculating aquaculture system
CN117690476B (zh) 利用斑马鱼模型评估肠道菌群对砷代谢贡献率的预测方法
Nerland et al. Detection of nodavirus in seawater from rearing facilities for Atlantic halibut Hippoglossus hippoglossus larvae
Hassan et al. Effect of new filtration medias on water quality, biomass, blood parameters and plasma biochemistry of common carp (Cyprinus carpio) in RAS
Shi et al. Combined analysis of mRNA and miRNA reveals the mechanism of pacific white shrimp (Litopenaeus vannamei) under acute alkalinity stress
CN110658279B (zh) 一种畜禽毛发中利巴韦林及其代谢物的检测方法
Smoot et al. Caloric needs of detritivorous gizzard shad Dorosoma cepedianum are met with sediment bacterial and algal biomass
CN111024666A (zh) 动物养殖产品中硒含量的测定方法
Martínez-Álvaro et al. Including microbiome information in a multi-trait genomic evaluation: a case study on longitudinal growth performance in beef cattle
WO2022193397A1 (zh) 一种斑马鱼骨质疏松模型的构建方法
CN110604823B (zh) 一种快速筛选抗糖化和/或抗衰老物质的方法
Ye et al. Key genes for arsenobetaine synthesis in marine medaka (Oryzias melastigma) by transcriptomics

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Jingjing

Inventor after: Guo Lianxian

Inventor after: Zhong Xiaoting

Inventor after: Wang Dongbin

Inventor before: Zhang Jingjing

Inventor before: Guo Lianxian

Inventor before: Zhong Xiaoting