TCM-formules verminderen ontsteking en colonbeschadiging bij DSS-geïnduceerde colitis
De beschermende werkzaamheid van de TCM-formules werd eerst geëvalueerd aan de hand van veranderingen in het lichaamsgewicht. In vergelijking met de controlegroep vertoonde de UC-modelgroep een aanhoudend gewichtsverlies. BJQF, BSF, JPF en QCF verminderden allemaal significant het door DSS geïnduceerde gewichtsverlies (Figuur 1A). HE-kleuring onthulde een intacte colonmucosa en geen ontsteking bij de controles. Daarentegen vertoonde het colonweefsel van de modelgroep ernstige epitheliale distortie, cryptdestructie en uitgebreide infiltratie van ontstekingscellen in de mucosa en submucosa. Alle TCM-behandelingen bevorderden het weefselherstel en verminderden de ontsteking, waarbij BJQF de meest uitgesproken verbetering liet zien (Figuur 1B–C). Kwantitatieve histologische scoring bevestigde dat TCM de histopathologische schade significant verminderde (p < 0,05).
BJQF, BSF, JPF en QCF verlaagden allemaal het serum IL-1β (Figuur 1D) en TNF-α (Figuur 1F) in verschillende mate. De IL-10-spiegels in de behandelgroepen bereikten niet het niveau van de controlegroep, maar waren significant hoger dan in de modelgroep (Figuur 1E). Deze resultaten geven aan dat TCM-formules DSS-geïnduceerde intestinale inflammatie remmen.

Figuur 1: Therapeutische effecten van BJQF en de afgebroken sub-formules op DSS-geïnduceerde colitis bij ratten. (A) Dynamische veranderingen in de verhouding van het lichaamsgewicht ten opzichte van de baseline in elke groep gedurende de experimentele periode van 10 dagen; (B) Kwantitatieve histologische scores van colonweefsels over alle experimentele groepen; (C) Representatieve met hematoxyline-eosin (HE) gekleurde doorsneden van colonweefsel van elke groep (schaalbalk = 200 µm); (D–F) Serumconcentraties van inflammatoire cytokinen in elke groep: (D) IL-1β, (E) IL-10, (F) TNF-α. Gegevens worden uitgedrukt als gemiddelde ± SD. *p < 0.05, **p < 0.01, ****p < 0.0001. Klik hier om een grotere versie van deze figuur te bekijken.
TCM-behandeling herstructureert de samenstelling van de darmmicrobiota bij UC-ratten
Na kwaliteitsfiltering werd gemiddeld 68.450 ± 28.297 hoogwaardige clean reads per monster verkregen. TCM-behandeling veranderde de bacteriële α-diversiteit (Chao1-index, Afbeelding 2A). BJQF reduceerde de verhoogde α-diversiteit bij UC-ratten significant (p(FDR) < 0,05). Van de subformuleringen reduceerde JPF de diversiteit significant (p(FDR) < 0,05), terwijl BSF en QCF geen significant effect vertoonden. Voor de β-diversiteit liet een ongewogen PCoA van UniFrac-afstanden een duidelijke scheiding tussen de groepen zien, wat aangeeft dat TCM de algehele microbiële samenstelling heeft hervormd (Afbeelding 2B). Hiërarchische clustering demonstreerde verder een duidelijk onderscheid tussen de model- en behandelingsgroepen (Afbeelding 2C).
In totaal werden 13 phyla, 22 klassen, 36 orden, 65 families en 158 genera gedetecteerd. Op phylum-niveau domineerden Firmicutes, Bacteroidetes, Actinobacteria, Verrucomicrobia en Proteobacteria (>99% totale abundantie, Figuur 2D). Firmicutes was dominant in de controlegroep (86,98%), nam significant af bij UC (p(FDR) < 0,05) en werd hersteld door TCM (p(FDR) < 0,05), waarbij BJQF het sterkste effect vertoonde. Bacteroidetes en Proteobacteria waren significant verhoogd bij UC en werden door alle TCM-formules teruggebracht. Op genus-niveau (abundantie >1%, Figuur 2E) was Lactobacillus dominant in de controlegroep (59,77%), sterk verminderd bij UC (3,57%, p(FDR) < 0,05) en hersteld door TCM (p(FDR) < 0,05). BJQF en JPF vertoonden sterkere effecten op het herstel van Lactobacillus. UC leidde ook tot een toename van Bacteroides, Ruminococcus_2, Bifidobacterium en Blautia, en een afname van Enterorhabdus en Corynebacterium_1 — waarvan het meeste werd omgekeerd door TCM. Over het algemeen verbeterden alle formules de met UC geassocieerde microbiële dysbiose, waarbij BJQF en JPF de meest uitgesproken effecten vertoonden.

Figuur 2: De samenstelling van het darmmicrobioom in groepen. (A) Index van bacteriële α-diversiteit beoordeeld met behulp van Chao 1 (p(FDR) < 0,05 vs Model); (B) PCoA van UniFrac-afstanden gebaseerd op OTU-samenstelling en abundanties in verschillende groepen; (C) Hiërarchische clusteringanalyse gebaseerd op de distantiematrix; (D) Relatieve abundantie op fylum-niveau (p(FDR) < 0,05 vs Model); en (E) Relatieve abundantie op genus-niveau (p(FDR) < 0,05 vs Model). Klik hier om een grotere versie van deze figuur te bekijken.
LEfSe identificeert UC-geassocieerde en TCM-geassocieerde differentiële taxa
LEfSe-analyse werd uitgevoerd om taxa te identificeren die differentieel verrijkt waren tussen de groepen (LDA > 3, p < 0.05, Figuur 3). UC-verrijkte taxa omvatten Bacteroidaceae, Bacteroides, Clostridiales, Clostridia, Bacteroidia, Bacteroidales, Bacteroidetes, Faecalibaculum, and Ruminococcaceae, voornamelijk afkomstig van Bacteroidetes en Firmicutes. Na TCM-behandeling behoorden de meeste BJQF-verrijkte taxa tot de Firmicutes, met alleen Bifidobacteriaceae, Bifidobacteriales en Bifidobacterium uit de Actinobacteria. BSF-verrijkte taxa waren eveneens voornamelijk Firmicutes. JPF-verrijkte taxa zoals Turicibacter en Dorea behoorden tot de Firmicutes. QCF vertoonde de sterkste verrijking van Verrucomicrobia (inclusief Akkermansia), wat duidt op een hoge gevoeligheid van deze phylum voor QCF-interventie. In het algemeen was Firmicutes de meest responsieve phylum op BJQF, BSF en JPF.

Figuur 3: LEfSe identificeerde de OTU's met de grootste verschillen in abundantie tussen verschillende groepen. Significante verschillen in LDA-scores (p < 0,05) werden vastgesteld tussen klassen (Kruskal-Wallis test) en tussen subklassen (Wilcoxon test). Differentiële taxa werden bepaald op basis van een LDA-drempelscore van > 3 en een statistisch significantieniveau van 0,05. (p: phylum c: klasse o: orde f: familie g: genus). Klik hier om een grotere versie van deze figuur te bekijken.
TCM-interventie normaliseert fecale galzuurprofielen bij UC-ratten
Gezien de malabsorptie van galzuren (BA) bij IBD, gebruikten de auteurs LC-MS/MS om fecale BA's te kwantificeren. PCA toonde een duidelijke scheiding tussen de controlegroep en de modelgroep, terwijl alle behandelingsgroepen dichter bij de controles clusterden, wat wijst op een gedeeltelijke normalisatie van het BA-metabolisme (Figuur 4A). De meest veranderde BA's in de modelgroep waren verhoogde LCA-3S en verlaagde GDCA (Figuur 4B). Na behandeling waren de meest opgereguleerde BA's ILCA (BJQF), GCDCA (BSF), DLCA (JPF) en GCDCA (QCF); de meest neergereguleerde BA's waren TLCA-3S (BJQF), LCA-3S (BSF), LCA-3S (JPF) en TLCA-3S (QCF) (Figuur 4C–F). Violin plots visualiseerden gemeenschappelijke differentiële BA's tussen de groepen (Figuur 5). Opvallend is dat alle TCM-formules 23-DCA, 3-oxo-DCA en DLCA verhoogden, en HCA, LCA-3S, TCA en TLCA-3S verlaagden.

Figuur 4: TCM-formules reguleerden de door DSS geïnduceerde galzuurstoornis in het UC-model. (A) PCA-plot van galzuur van de Controle-, Model-, BJQF-, BSF-, JPF- en QCF-groepen. (B) Staafdiagram van de fold change in Model versus Controle. (C) Staafdiagram van de fold change in BJQF versus Model. (D) Staafdiagram van de fold change in BSF versus Model. (E) Staafdiagram van de fold change in JPF versus Model, en (F) Staafdiagram van de fold change in QCF versus Model. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Violin plot van differentiële BA's in elke vergelijkingsgroep. (A) Differentiële BA's in BJQF versus Model. (B) Differentiële BA's in BSF versus Model. (C) Differentiële BA's in JPF versus Model en (D) Differentiële BA's in QCF versus Model. Klik hier om een grotere versie van deze figuur te bekijken.
Correlatie tussen fecale galzuren en de abundantie van darmmicroben
Er is een Spearman-correlatieanalyse uitgevoerd tussen differentiële phyla en differentiële BA's (Figuur 6A–F, Figuur 7A–D). Chord-diagrammen tonen correlaties met |r| ≥ 0.8 (Figuur 6B, 6D, 6F). In de vergelijking tussen model en controle was 23-DCA positief gecorreleerd met Saccharibacteria en Firmicutes, en negatief gecorreleerd met Proteobacteria en Bacteroidetes (Figuur 6B). In de vergelijking tussen BJQF en model was Proteobacteria geassocieerd met TLCA-3S, LCA-3S, TCA, α-MCA, 6,7-DKLCA, HCA, CDCA en THCA (Figuur 6D). In de vergelijking tussen BSF en model waren Proteobacteria positief gecorreleerd met TDCA, 6,7-DKLCA en LCA-3S; Saccharibacteria waren positief gecorreleerd met GUDCA en 23-DCA (Figuur 6F).

Figuur 6: Correlaties tussen differentiële fecale galzuren (BAs) en de abundantie van differentiële bacteriën op fylum-niveau. (A, C, E) Spearman-correlatieanalyses voor respectievelijk de groepen Controle vs. Model, BJQF vs. Model en BSF vs. Model. (B, D, F) Overeenkomstige chord-diagrammen die sterke correlaties (|r| ≥ 0,8) illustreren voor respectievelijk de groepen Controle vs. Model, BJQF vs. Model en BSF vs. Model. Klik hier om een grotere versie van deze figuur te bekijken.
Chord-diagrammen tonen correlaties met |r| ≥ 0,8 (Figuur 7B, 7D). In de vergelijking tussen JPF en het model was Saccharibacteria negatief geassocieerd met TLCA-3S, LCA-3S en HCA, en positief gecorreleerd met 23-DCA (Figuur 7B). In de vergelijking tussen QCF en het model was Saccharibacteria negatief gecorreleerd met HCA, CA, LCA-3S, THCA en TLCA-3S, en positief gecorreleerd met 23-DCA (Figuur 7D). Deze resultaten geven aan dat verschillende TCM-formules het interactienetwerk tussen bacteriën en galzuren moduleren via verschillende patronen.

Figuur 7: Correlaties tussen fecale differentiële galzuren (BAs) en de abundantie van differentiële bacteriën. (A, C) Spearman-correlatieanalyses voor respectievelijk de JPF- versus Model- en QCF- versus Model-groepen. (B, D) Overeenkomstige chord-diagrammen die sterke correlaties (|r| ≥ 0,8) illustreren voor respectievelijk de JPF- versus Model- en QCF- versus Model-groepen. Rood geeft positieve correlaties aan, terwijl blauw negatieve correlaties aangeeft. p < 0,05, p < 0,01. Klik hier om een grotere versie van deze figuur te bekijken.
DATAbeschikbaarheid:
Alle ruwe gegevens zijn geüpload naar de NCBI Sequence Reads Archive (SRA) database (toegangsnummer: PRJNA749732). https://www.ncbi.nlm.nih.gov/bioproject/PRJNA749732