Исследовательская статья

Влияние трансплантации фекальной микробиоты на характеристики кишечной микробиоты и клинические фенотипы у пациентов с болезнью Паркинсона

88 просмотров

⸱

DOI:

10.3791/72702

⸱

14 августа 2026 г.

 ,  , 
1Department of Neurology, The Second Affiliated Hospital of Nanjing Medical University, 2Department of Geriatrics, The Second Affiliated Hospital of Nanjing Medical University

В этой статье

Краткое содержание

В данном поисковом исследовании шести пациентов с болезнью Паркинсона, перенесших трансплантацию фекальной микробиоты, наблюдались временные изменения разнообразия кишечной микробиоты, таксономического состава и прогнозируемых функциональных профилей наряду с улучшением моторных и немоторных симптомов. Эти результаты предоставляют предварительные данные, обосновывающие дальнейшее изучение интервенций на основе микробиоты.

Аннотация

Изменения в микробиоте кишечника связывают с болезнью Паркинсона (БП), однако лонгитюдные изменения микробиома после трансплантации фекальной микробиоты (ТФМ) и их клинические связи остаются недостаточно изученными. В данном одноцентровом ретроспективном обсервационном исследовании приняли участие 6 пациентов с БП, разделенных на подгруппы с высокой и низкой степенью тяжести в зависимости от продолжительности заболевания (>6 лет против ≤6 лет). Тридцать шесть образцов кала были собраны перед ТФМ и ежемесячно в течение пяти месяцев после нее. Микробное разнообразие, структура сообщества, таксономический состав и прогнозируемые функциональные профили оценивали с помощью секвенирования гена 16S рибосомальной РНК. Анализы включали альфа- и бета-разнообразие, таксономическую численность, эффект линейного дискриминантного анализа (LEDA), функциональное прогнозирование на основе Tax4Fun2 и корреляции по рангам Спирмена между характеристиками микробиома и клиническими показателями. Дескриптивный анализ выявил различия в богатстве, разнообразии, структуре сообщества и прогнозируемых функциях микробиома между подгруппами разной степени тяжести, а также в разные временные точки после ТФМ. В исходном состоянии в подгруппе с низкой степенью тяжести наблюдались более высокое богатство и разнообразие микробиома по сравнению с подгруппой с высокой степенью тяжести, с относительно более высокой численностью таких таксонов, как Bifidobacterium и Lactobacillus. Через один месяц после ТФМ в подгруппе с высокой степенью тяжести богатство и разнообразие увеличились по сравнению с исходным уровнем, что сопровождалось изменениями в таксономическом составе. В обеих подгруппах после ТФМ наблюдались временные вариации микробного разнообразия и прогнозируемого обогащения путей Киотской энциклопедии генов и геномов (KEGG). Прогнозируемые функции включали метаболизм углеводов и аминокислот, биосинтез вторичных метаболитов, мембранный транспорт и передачу сигнала. Несколько операционных таксономических единиц коррелировали с показателями двигательных нарушений, запоров, качества сна, функционального статуса и нейропсихиатрических симптомов. Таким образом, ТФМ была связана с лонгитюдными изменениями разнообразия, состава и прогнозируемых функций микробиоты кишечника, а специфические характеристики микробиома были связаны с моторными и немоторными показателями. Учитывая малый размер ретроспективной когорты, данные результаты являются предварительными и требуют подтверждения в более крупных контролируемых исследованиях. В будущих работах следует определить, являются ли эти микробные изменения воспроизводимыми, сохраняются ли они более пяти месяцев, отражают ли приживление донорской микробиоты и соответствуют ли они измеримому клиническому улучшению после трансплантации при БП.

Введение

Болезнь Паркинсона (БП) представляет собой распространенное прогрессирующее нейродегенеративное заболевание, характеризующееся брадикинезией, ригидностью, тремором покоя и постуральной неустойчивостью1. Хотя ее патогенез остается выясненным не полностью, в возникновении и прогрессировании заболевания implicated множество факторов, включая нейровоспаление, воздействие факторов окружающей среды и генетическую предрасположенность2. Эпидемиологические данные свидетельствуют о том, что БП относится к числу наиболее распространенных неврологических расстройств у пожилых людей и сопровождается значительным уровнем инвалидизации, причем ее распространенность увеличивается с возрастом3. Современные методы лечения, в частности заместительная терапия дофамином, могут в определенной степени облегчить моторные симптомы, однако их влияние на прогрессирование заболевания и многие немоторные симптомы остается ограниченным, а ответ на лечение варьирует у разных пациентов4. Таким образом, дальнейшее изучение биологических изменений, связанных с БП, и поиск потенциальных терапевтических мишеней сохраняют свою клиническую значимость.

Микробное сообщество кишечника играет важную роль в поддержании целостности кишечного барьера, регулировании иммунных ответов и поддержании метаболического гомеостаза5. Трансплантация фекальной микробиоты (ТФМ) предполагает перенос фекальной микробиоты от здорового донора реципиенту для восстановления микробного баланса в кишечнике6,7. Многочисленные исследования на животных показали, что трансплантация микробиоты кишечника может влиять на нейроповеденческие фенотипы8,9. Учитывая, что микробиота пациентов с депрессией или тревожностью может вызывать соответствующие поведенческие изменения у мышей, микробиота здоровых доноров может улучшить поведенческие результаты10. Кроме того, предварительные клинические наблюдения сообщили об улучшении симптомов после ТФМ у некоторых пациентов с болезнью Паркинсона и аутизмом, что указывает на потенциальную значимость вмешательств на основе микробиоты при неврологических и нейропсихиатрических расстройствах11,12. Тем не менее, механизмы, лежащие в основе этих эффектов, остаются неясными, и необходимы клинические исследования для установления безопасности и эффективности ТФМ при болезни Паркинсона.

Несмотря на то, что предыдущие исследования указывали на связь между микробиотой кишечника и БП, лонгитюдные изменения в составе кишечной микробиоты после ТФМ и их ассоциации с клиническими характеристиками остаются недостаточно изученными. До сих пор неясно, проявляют ли пациенты с различной степенью тяжести клинического течения заболевания разные микробные ответы после ТФМ.

В данном одноцентровом ретроспективном обсервационном исследовании мы проанализировали данные пациентов с БП, которым проводилась ФМТ в рамках рутинной клинической практики. Были изучены клинические показатели до и после ФМТ, а доступные образцы кала были дополнительно проанализированы с помощью секвенирования гена 16S рРНК для исследования разнообразия микробиоты кишечника, таксономического состава, прогнозируемых функциональных профилей и их корреляции с клиническими показателями. Целью данного исследования была характеристика клинических исходов и профилей микробиоты кишечника после ФМТ при БП, а также получение предварительных данных для будущих проспективных контролируемых исследований.

Протокол

Исследование было проведено в соответствии с Хельсинкской декларацией, и протокол был одобрен комитетом по этике Второй аффилированной больницы Нанкинского медицинского университета (номер одобрения: 2021-KY-100-01). От всех участников было получено письменное информированное согласие.

Данное одноцентровое ретроспективное обсервационное исследование проводилось на базе отделения неврологии Второй аффилированной больницы Нанкинского медицинского университета. В период с января 2022 года по декабрь 2023 года было включено в общей сложности 32 пациента с первичной БП, соответствовавших Диагностическим критериям болезни Паркинсона (издание 2020 года). В конечном итоге в последующий анализ были включены шесть пациентов, которые соответствовали строгим критериям отбора и прошли все процедуры исследования. Подробная информация о скрининге, исключении и последующем наблюдении представлена на Дополнительном рисунке 1.

Сбор образцов фекалий и анализ микробного сообщества

Фекальная микробиота была получена от здоровых добровольцев. Процесс отбора доноров проводился строго в соответствии с Китайским экспертным консенсусом по клиническому применению трансплантации фекальной микробиоты. Критерии включения доноров: возраст 18–40 лет, отсутствие хронических заболеваний в анамнезе; отсутствие желудочно-кишечных заболеваний, метаболических нарушений, аутоиммунных или психических расстройств; отсутствие приема антибиотиков, пробиотиков, иммунодепрессантов или ингибиторов протонной помпы в течение последних 3 месяцев; отсутствие поездок в эпидемические зоны, переливаний крови или хирургических вмешательств в течение последних 6 месяцев. Скрининг крови и кала для исключения инфекционных заболеваний и патогенов включал: вирус иммунодефицита человека (HIV), вирус гепатита B (HBV), вирус гепатита C (HCV), Treponema pallidum, Clostridium difficile, Salmonella, Shigella, Campylobacter, патогенные Escherichia coli, кишечные вирусы и паразиты. Объем одного подходящего образца кала должен составлять не менее 50 g. С помощью автоматизированной системы очистки фекальной микробиоты (см. Таблицу материалов) к каждым 100 g свежего кала добавляли 500 mL стерильного физиологического раствора, проводили три цикла стандартизированного центрифугирования и промывки (700 × g, 3 min), после чего немедленно выполняли инокуляцию, приготовив суспензию со стерильным физиологическим раствором в объемном соотношении 1:2. Испытуемые получали однократную инъекцию 150 mL суспензии, содержащей приблизительно 5 × 10^13 жизнеспособных бактерий13.

Все реципиенты получили FMT посредством колоноскопии, при этом эндоскоп вводили до слепой и восходящей ободочной кишки; суспензию медленно и равномерно вводили через биопсийный канал для обеспечения преимущественной колонизации правой половины ободочной кишки. После инфузии пациенты оставались в правом боковом положении в течение не менее 2 h. В предоперационном периоде в течение 3 дней соблюдалась диета с низким содержанием клетчатки, затем в течение 24 h перед процедурой — полноценная жидкая диета, при этом голодание в отношении твердой пищи соблюдалось за 6 h, а в отношении жидкостей — за 2 h до инфузии. Накануне вечером перед трансплантацией проводилась стандартная полная очистка кишечника электролитным раствором полиэтиленгликоля до получения прозрачного эффлюента, не содержащего каловых масс. Ограничения по лекарственным препаратам включали отмену системных антибиотиков минимум за 72 h до FMT и их исключение в течение 1 week после процедуры. Прием ингибиторов протонной помпы (ИПП) прекращали за 24–48 h до процедуры, а прием слабительных средств и пробиотиков приостанавливали в день трансплантации.

В ходе процедуры проводился непрерывный мониторинг частоты сердечных сокращений, артериального давления и сатурации кислорода, а также наблюдение за любыми симптомами, такими как вздутие живота, боль или тошнота; при возникновении сильной боли в животе или гипотонии инфузия немедленно прекращалась. В течение первых 7 дней после трансплантации проводилось ежедневное наблюдение для регистрации частоты стула, консистенции кала и всех нежелательных явлений, включая боли в животе, диарею, лихорадку и гематохезию. Долгосрочное наблюдение продолжалось до 5 месяцев и включало плановый отбор проб кала для анализа микробиоты кишечника, клиническую оценку с использованием Унифицированной шкалы оценки болезни Паркинсона (UPDRS) и шкалы запоров Векснера, а также документирование изменений симптомов и применения сопутствующих лекарственных препаратов для комплексной оценки эффективности и безопасности.

Образцы фекалий собирали в шести временных точках: перед FMT, а также через 1, 2, 3, 4 и 5 месяцев после FMT. Все участники получили стандартизированные инструкции по сбору образцов кала. С помощью стерильного пинцета собирали примерно 10–20 g средней порции кала, которую помещали в стерильные контейнеры для сбора. Образцы доставляли в лабораторию в течение 2–3 h после сбора, где обученные исследователи в асептических условиях распределяли их по стерильным микроцентрифужным пробиркам объемом 1.5 mL (см. Table of Materials). Все аликвоты немедленно хранили при −80 °C до проведения дальнейшего анализа.

После сбора образцов фекалий все пробы транспортировались на сухом льду коммерческому поставщику услуг по секвенированию (см. Таблицу материалов) для секвенирования гена 16S рРНК. Подготовка библиотек, секвенирование и первичный контроль качества проводились в соответствии со стандартным протоколом поставщика. Из каждого образца фекалий экстрагировали геномную ДНК, после чего гипервариабельные регионы V3–V4 бактериального гена 16S рРНК амплифицировали с помощью полимеразной цепной реакции (ПЦР) с использованием праймеров 341F и 805R. Секвенирование выполняли на настольной платформе для короткого прочтения (см. Таблицу материалов) с использованием химии парноконцевого чтения 2 × 300 bp для характеристики профилей микробиоты кишечника пациентов до FMT и в различные временные точки последующего наблюдения после FMT. После секвенирования необработанные чтения подвергали процессингу для получения высококачественных последовательностей для последующего микробиологического анализа. Таксономическая классификация проводилась с использованием коммерческого пакета для таксономического назначения 16S и соответствующей базы данных идентификации микроорганизмов (см. Таблицу материалов). Полученные таксономические профили использовались для последующего анализа микробного разнообразия, состава сообщества, дифференциального обилия и прогнозируемой функции микробиоты.

Клинические оценки и аналитические метки

Пациенты с БП были разделены на две группы в зависимости от степени тяжести заболевания, определяемой продолжительностью болезни: группу с высокой степенью тяжести (>6 лет, обозначенную как «_H») и группу с низкой степенью тяжести (≤6 лет, обозначенную как «_L»). Образцы кала, собранные до ТФМ, были определены как исходные образцы и помечены как FB_H или FB_L в соответствии с соответствующей группой тяжести. Образцы, собранные через 1, 2, 3, 4 и 5 месяцев после ТФМ, были помечены как FP1M_H, FP2M_H, FP3M_H, FP4M_H и FP5M_H для группы с высокой степенью тяжести, и как FP1M_L, FP2M_L, FP3M_L, FP4M_L и FP5M_L для группы с низкой степенью тяжести. Оцениваемые клинические параметры включали шкалу запоров Векснера, шкалу немоторных симптомов (NMSS), опросник немоторных симптомов (NMSQ), нейропсихиатрический реестр (NPI), стадию по Хен-Яру, шкалу повседневной активности (ADL), Питтсбургский индекс качества сна (PSQI), оригинальную шкалу (UPDRS I–VI) и общий балл по UPDRS. Для анализа изменений клинических показателей пациентов с БП в группе с высокой степенью тяжести (группа _H) и группе с низкой степенью тяжести (группа _L) в шести временных точках использовалась комбинация методов описательной и инференциальной статистики. Для предварительного изучения межгрупповых различий во всех временных точках распределения показателей между группами _H и _L в каждой временной точке сравнивались с помощью критерия суммы рангов Уилкоксона, а также применялась более строгая линейная смешанная модель (LMM) с индивидуальными случайными перехватами для каждого пациента. Из-за ограниченного размера выборки результаты модели со смешанными эффектами представлены только в качестве предварительных данных. Первичной конечной точкой этого поискового исследования было изменение разнообразия и состава кишечной микробиоты от исходного уровня до временных точек после трансплантации фекальной микробиоты, а клинические изменения оценивались в качестве вторичных конечных точек.

Кластеризация OTU, анализ разнообразия и таксономическое обилие

Для обобщения состава микробного сообщества использовались операционные таксономические единицы (ОТЕ), при этом последовательности с сходством ≥97% объединялись в одну ОТЕ. Глубина секвенирования оценивалась с помощью кривых разрежения на основе индекса Шеннона; выход кривых на плато свидетельствовал об общем достаточном покрытии для последующего анализа разнообразия.

Альфа-разнообразие оценивали с помощью индексов Chao1 и ACE (abundance-based coverage estimator) для определения микробного богатства, а также индексов Шеннона и Симпсона для оценки общего разнообразия и выровненности. Бета-разнообразие оценивали с использованием взвешенного и невзвешенного расстояний UniFrac с последующим анализом главных координат (PCoA) для визуализации различий в составе микробных сообществ между группами. Межгрупповые различия в альфа- и бета-разнообразии оценивали с помощью непараметрических тестов и пермутационного многомерного дисперсионного анализа (PERMANOVA) соответственно, как описано в разделе статистического анализа.

Таксономический состав был обобщен на уровнях типа, класса, порядка, семейства и рода на основе данных секвенирования гена 16S рРНК. Используя пакет для анализа экологии сообществ в среде R (см. Таблицу материалов), определите и визуализируйте 10 наиболее представленных таксонов на каждом таксономическом уровне. Таксономические профили были представлены в виде столбчатых диаграмм, а выбранные таксоны были дополнительно сравнены между группами с помощью диаграмм размаха.

Анализ дифференциального обилия микробных таксонов

Таксоны с различным уровнем обилия между предопределенными группами были идентифицированы с помощью линейного дискриминантного анализа размера эффекта (LEfSe). LEfSe объединяет критерий Краскела — Уоллиса, критерий Вилкоксона и линейный дискриминантный анализ (LDA) для выявления таксонов, обладающих как статистической значимостью, так и дискриминационным значением. Таксоны с P < 0.05 и показателем LDA (log10) > 3 считались имеющими различное обилие. Относительное обилие дискриминационных таксонов было визуализировано с помощью таксономических столбчатых диаграмм.

Функциональное прогнозирование и анализ клинической корреляции

Прогнозируемые функциональные профили микробиоты кишечника были выведены из данных секвенирования гена 16S рРНК с помощью Tax4Fun2 и аннотированы в соответствии с базой данных Киотской энциклопедии генов и геномов (KEGG). Дифференциально обогащенные прогнозируемые пути были определены с помощью LEfSe с пороговыми значениями P < 0.05 и показателем LDA (log10) > 3. Поскольку эти функциональные профили были выведены, а не измерены напрямую метагеномными или метаболомными методами, они интерпретировались как прогнозируемые функциональные различия. Для изучения взаимосвязей между микробными признаками и клиническими показателями был проведен корреляционный анализ по рангам Спирмена.

Статистический анализ

Статистический анализ проводили с использованием программного обеспечения R (см. Таблицу материалов). Клинические переменные представлены в виде медиан и диапазонов (минимум–максимум). Индексы альфа-разнообразия сравнивали между группами с помощью критерия суммы рангов Уилкоксона, а бета-разнообразие оценивали с помощью PERMANOVA с 999 перестановками. Дифференциально представленные таксоны и прогнозируемые функциональные пути определяли с помощью LEfSe, при этом порогами значимости служили P < 0.05 и показатель LDA (log10) > 3. Для лонгитюдного анализа дифференциальной представленности применяли смешанную модель с рандомными интерцептами для каждого пациента, с последующим апостериорным попарным сравнением с коррекцией ложноположительных результатов по методу Бенджамини-Хохберга. Для оценки взаимосвязей между характеристиками микробиоты кишечника и клиническими показателями использовали корреляционный анализ по рангам Спирмена с применением коррекции ложноположительных результатов по методу Бенджамини-Хохберга для значений P корреляции. Статистически значимым считалось двустороннее P < 0.05. Для анализа корреляций и таксономической представленности применяли коррекцию на множественные сравнения. Ввиду малого размера выборки и дизайна с повторным лонгитюдным отбором проб статистический анализ рассматривали как поисковый, а результаты интерпретировали с осторожностью.

Результаты

Отбор пациентов и исходные характеристики

В окончательный анализ были включены шесть пациентов с БП, в том числе трое мужчин и три женщины. Медианный возраст составил 69,0 лет (диапазон: 61–75), а медианный индекс массы тела — 2,6 kg/m2. В когорту вошли два пациента с ригидным, два с тремор-доминирующим и два со смешанным клиническими фенотипами. Исходные клинические характеристики представлены в Таблице 1.

Клинические характеристики различались между подгруппами БП с высокой и низкой степенью тяжести (Таблица 1). В данной исследовательской когорте общая сумма баллов по шкале UPDRS была выше в группе FB_H, чем в группе FB_L, что соответствует предварительно заданной классификации тяжести и указывает на более выраженное общее нарушение двигательных функций. Различия также наблюдались по нескольким моторным и немоторным клиническим параметрам, включая субшкалы UPDRS, PSQI, индекс запоров Векснера, шкалу ADL и NMSS. Эти результаты свидетельствуют о том, что предварительно определенные подгруппы тяжести различались не только по стадии моторных проявлений заболевания, но и по ряду немоторных и функциональных характеристик.

Индивидуальные траектории пациентов были визуализированы с помощью линейных графиков для ключевых клинических показателей (Рисунок 1). Как показано на графиках, у всех шести пациентов после ТФМ наблюдалась устойчивая тенденция к снижению показателей NMSQ, NMSS, NPI, PSQI, общего балла UPDRS и шкалы Wexner, независимо от исходной тяжести заболевания. Примечательно, что у пациентов в группе _H наблюдалось более выраженное клиническое улучшение, чем у пациентов в группе _L, несмотря на более высокие исходные показатели. Клиническое сравнение выявило стабильные различия между группами с высокой и низкой степенью тяжести. Большинство сравнений в конкретных временных точках оказались значимыми, все объединенные клинические показатели различались между группами, а модели со смешанными эффектами подтвердили меньшее бремя симптомов и лучшую повседневную функциональность в группе с низкой степенью тяжести.

Нежелательные явления у пациентов с БП после ФМТ

Нежелательные явления, зарегистрированные после FMT, обобщены в Таблице 2. Наиболее часто регистрируемыми явлениями были метеоризм, диарея, усиление запоров, а также тошнота/рвота, каждое из которых наблюдалось у двух пациентов. Боль в животе была отмечена у одного пациента. Лихорадка не регистрировалась, и ни один пациент не прекратил FMT из-за нежелательных явлений. Эти результаты позволяют предположить, что желудочно-кишечные симптомы были наиболее часто документируемыми нежелательными явлениями в данной небольшой когорте; однако результаты по безопасности следует интерпретировать с осторожностью в связи с ограниченным размером выборки.

Достаточный охват разнообразия и идентификация группоспецифичных OTU

Анализ кривых разрежения показал, что индекс Шеннона постепенно приближался к плато по мере увеличения глубины секвенирования, что свидетельствует о том, что глубины секвенирования в целом было достаточно для оценки микробного разнообразия во всех образцах (Рисунок 2A). Во всех образцах было выявлено в общей сложности 80 OTU. Это относительно низкое число OTU согласуется с глубиной секвенирования и ограниченным размером выборки в данном поисковом исследовании. Анализ диаграммы Венна позволил выявить как общие, так и уникальные OTU среди 12 групп (Рисунок 2B). Всего было обнаружено 80 OTU, в том числе 53 OTU, общие для всех групп. Количество уникальных OTU в каждой группе было следующим: 2 в FB_H, 12 в FB_L, 4 в FP1M_H, 0 в FP1M_L, 1 в FP2M_H, 0 в FP2M_L, 4 в FP3M_H, 0 в FP3M_L, 0 в FP4M_H, 1 в FP4M_L, 1 в FP5M_H и 2 в FP5M_L. Среди этих групп в FB_L наблюдалось наибольшее количество уникальных OTU, в то время как в группах FP1M_L, FP2M_L, FP3M_L и FP4M_H уникальных OTU в данном анализе выявлено не было. Эти результаты позволяют предположить, что подгруппы PD имели общий основной набор OTU, в то время как в некоторых группах наблюдались ограниченные группоспецифические паттерны OTU.

Микробное разнообразие и прогнозируемые функциональные профили различаются между подгруппами с разной степенью тяжести БП

Альфа-разнообразие в группе FB_L было выше, чем в группе FB_H, о чем свидетельствует увеличение индексов Chao1, ACE, Шеннона и Симпсона (Рисунок 3A). PCoA на основе UniFrac показал явное разделение между двумя подгруппами по степени тяжести, что указывает на различия в структуре микробного сообщества кишечника (Рисунок 3B). На уровне типов в группе FB_L наблюдалась относительно более высокая численность Firmicutes и Actinobacteria, тогда как группа FB_H характеризовалась более высокой численностью Bacteroidetes и Proteobacteria (Рисунок 3C). На уровне родов Bacteroides, Megasphaera и Escherichia были более многочисленны в группе FB_H, в то время как Bifidobacterium и Lactobacillus преобладали в группе FB_L (Рисунок 3D).

Анализ LEfSe позволил выявить таксоны, связанные с тяжестью заболевания, которые обладали дифференциальной численностью. Таксоны, относящиеся к Bacteroidetes/Bacteroides и Proteobacteria, были обогащены в группе FB_H, тогда как таксоны, относящиеся к Bifidobacterium, Actinobacteria, Firmicutes, Clostridia и Parabacteroides, были обогащены в группе FB_L (Рисунок 3E). Прогнозируемый анализ путей KEGG также показал различия в функциональных профилях между группами. FB_H была преимущественно обогащена прогнозируемыми путями, связанными с общим метаболизмом, метаболизмом углеводов и энергии, передачей сигналов, двухкомпонентными системами и биосинтезом липополисахаридов. Напротив, FB_L была обогащена прогнозируемыми путями, связанными с биосинтезом вторичных метаболитов, метаболизмом аминокислот, нуклеотидным обменом, репликацией и репарацией, кваorum sensing, мембранным транспортом и ABC-транспортерами (Рисунок 3F). Эти результаты указывают на то, что подгруппы с разной степенью тяжести болезни Паркинсона различались по микробному разнообразию, таксономическому составу и прогнозируемому функциональному потенциалу.

Через один месяц после ФМТ подгруппа FP1M_H продемонстрировала более высокое микробное разнообразие и отчетливые прогнозируемые функциональные профили

По сравнению с FB_H, группа FP1M_H продемонстрировала более высокое альфа-разнообразие, на что указывают повышенные значения индексов Chao1, ACE, Шеннона и Симпсона (Рисунок 4A). PCoA на основе UniFrac показал явное разделение между FB_H и FP1M_H, что свидетельствует о сдвиге в структуре кишечного микробного сообщества через один месяц после FMT (Рисунок 4B). На уровне типов в группе FP1M_H наблюдалась относительно более высокая численность Firmicutes, Actinobacteria и Verrucomicrobia, тогда как в группе FB_H была выше численность Bacteroidetes и Proteobacteria (Рисунок 4C). На уровне родов в группе FP1M_H более многочисленными были Bifidobacterium, Akkermansia, Enterococcus и Lactobacillus, тогда как в группе FB_H преобладали Bacteroides, Megasphaera и Escherichia (Рисунок 4D).

Анализ LEfSe позволил выявить таксоны с дифференциальной численностью, ассоциированные с группами. Таксоны, относящиеся к Bacteroidetes/Bacteroides, были обогащены в группе FB_H, тогда как таксоны, относящиеся к Firmicutes, Actinobacteria, Clostridia, Bifidobacterium и Acidaminococcus, были обогащены в группе FP1M_H (Рисунок 4E). Прогнозируемый анализ путей KEGG показал, что в группе FB_H были обогащены пути, связанные с передачей сигнала, двухкомпонентными системами, метаболизмом углеводов, липидным обменом, энергетическим обменом, а также метаболизмом кофакторов и витаминов. Напротив, в группе FP1M_H были обогащены прогнозируемые пути, связанные с метаболизмом аминокислот, нуклеотидным обменом, метаболизмом крахмала и сахарозы, репликацией и репарацией, трансляцией, биосинтезом вторичных метаболитов, кваorum sensing, ABC-транспортерами и мембранным транспортом (Рисунок 4F). Эти результаты позволяют предположить, что в подгруппе с высокой степенью тяжести FMT была связана с увеличением микробного разнообразия и сдвигами в таксономическом составе и прогнозируемом функциональном потенциале.

Микробное богатство, таксономический состав и прогнозируемые функциональные профили различались между группами FB_L и FP1M_L

По сравнению с FB_L, группа FP1M_L продемонстрировала более высокое микробное богатство, о чем свидетельствует увеличение индексов Chao1 и ACE, в то время как индексы Шеннона и Симпсона существенно между группами не различались (Рисунок 5A). PCoA на основе UniFrac показал явное разделение между FB_L и FP1M_L, что указывает на различия в составе микробного сообщества после FMT (Рисунок 5B). На уровне филума в группе FP1M_L наблюдалась относительно более высокая численность Actinobacteria, Verrucomicrobia, Synergistetes и Euryarchaeota, в то время как Firmicutes и Bacteroidetes были более многочисленны в группе FB_L (Рисунок 5C). На уровне рода в группе FP1M_L было больше Bifidobacterium, Akkermansia и Parabacteroides, тогда как в FB_L преобладали Bacteroides и Lactobacillus (Рисунок 5D).

Анализ LEfSe показал обогащение таксонов, связанных с Firmicutes, Clostridia и Ruminococcaceae, в группе FB_L, в то время как таксоны, связанные с Bacteroidetes, Bacteroidales, Parabacteroides, Porphyromonadaceae, Synergistetes, Alistipes и Rikenellaceae, были обогащены в группе FP1M_L (Рисунок 5E). Прогнозируемый анализ путей KEGG показал, что в группе FB_L были обогащены пути, связанные с передачей сигнала, двухкомпонентными системами, углеводным обменом, липидным обменом, обменом аминосахаров и нуклеотидсахаров, обменом крахмала и сахарозы, а также фосфотрансферазной системой. Группа FP1M_L была обогащена прогнозируемыми путями, связанными с глобальными метаболическими путями, обменом аминокислот, трансляцией, биосинтезом аминокислот, биосинтезом вторичных метаболитов и обработкой генетической информации (Рисунок 5F). Эти результаты указывают на то, что в подгруппе с низкой степенью тяжести FMT была в основном связана с увеличением микробного разнообразия и изменениями в таксономическом составе и прогнозируемом функциональном потенциале.

Разнообразие микробиоты кишечника, таксономический состав и прогнозируемые функциональные профили различались в подгруппах пациентов с БП тяжелого течения в разные временные точки после проведения ФМТ

Анализ альфа-разнообразия пяти подгрупп пациентов с БП тяжелого течения (от FP1M_H до FP5M_H) выявил вариации богатства и разнообразия микробиоты в разные временные точки (Рисунок 6A). Среди этих подгрупп в FP2M_H наблюдались самые низкие значения индексов Chao1, ACE, Шеннона и Симпсона, тогда как в FP1M_H, FP3M_H, FP4M_H и FP5M_H значения были относительно выше. Анализ бета-разнообразия с использованием взвешенных и невзвешенных расстояний UniFrac показал разделение пяти подгрупп на графиках PCoA, что указывает на различия в составе сообществ микробиоты кишечника в разные моменты времени после ТФМ (Рисунок 6B). На уровне типов 10 наиболее abundant таксонов представлены на Рисунке 6C. Bacteroidetes оказались более многочисленными в FP3M_H, FP4M_H и FP5M_H, в то время как Firmicutes и Actinobacteria преобладали в FP1M_H. Verrucomicrobia были относительно обогащены в FP2M_H. На уровне родов Bacteroides были относительно более многочисленны в FP3M_H, FP4M_H и FP5M_H, тогда как Akkermansia и Escherichia преобладали в FP2M_H. Bifidobacterium были относительно обогащены в FP1M_H (Рисунок 6D). Анализ LEfSe позволил выявить специфические дифференциально представленные таксоны в нескольких подгруппах тяжелого течения (Рисунок 6E), включая таксоны, связанные с Firmicutes, Actinobacteria, Bifidobacterium и Clostridia в FP1M_H; таксоны, связанные с Proteobacteria и Enterobacteriaceae в FP2M_H; таксоны, связанные с Bacteroidetes и Bacteroides в FP3M_H; а также таксоны, связанные с Synergistetes в FP4M_H. Прогнозируемое функциональное профилирование на основе аннотации путей KEGG показало специфические для подгрупп паттерны обогащения (Рисунок 6F). В FP1M_H прогнозировалось обогащение метаболизма крахмала и сахарозы, а также биосинтеза других вторичных метаболитов; в FP2M_H — обогащение метаболизма кофакторов и витаминов, а также энергетического метаболизма; а в FP5M_H — обогащение передачи сигнала и двухкомпонентных систем. Эти результаты свидетельствуют о том, что в подгруппах БП тяжелого течения после ТФМ наблюдались временные изменения микробного разнообразия, таксономического состава и прогнозируемых функциональных профилей.

Разнообразие кишечной микробиоты, таксономический состав и прогнозируемые функциональные профили различались среди подгрупп с легкой степенью тяжести БП в разные временные точки после FMT

Анализ альфа-разнообразия пяти подгрупп с низкой степенью тяжести БП (от FP1M_L до FP5M_L) выявил вариации микробного богатства и разнообразия в разные временные точки (Рисунок 7A). В группе FP2M_L наблюдались относительно более низкие индексы Chao1 и ACE, в то время как в группах FP4M_L и FP5M_L были отмечены относительно более высокие индексы Шеннона и Симпсона, что указывает на различия в богатстве и выравненности состава среди подгрупп с низкой степенью тяжести. Анализ бета-разнообразия с использованием взвешенных и невзвешенных расстояний UniFrac выявил разделение пяти подгрупп на графиках PCoA, что свидетельствует о различиях в составе кишечного микробного сообщества в разные моменты времени после ТФМ (Рисунок 7B). На уровне типов 10 наиболее abundant таксонов представлены на Рисунке 7C. Доминирующими типами во всех группах были Bacteroidetes и Firmicutes, при этом Actinobacteria и Verrucomicrobia оказались относительно обогащены в FP1M_L, а Firmicutes были относительно более многочисленны в FP3M_L. На уровне родов Bifidobacterium и Akkermansia были относительно более представлены в FP1M_L, тогда как Bacteroides преобладал в FP2M_L (Рисунок 7D). Анализ LEfSe позволил выявить таксоны с дифференциальной численностью, ассоциированные с несколькими подгруппами низкой степени тяжести (Рисунок 7E>), включая таксоны, связанные с Ruminococcaceae в FP1M_L, таксоны, связанные с Firmicutes и Clostridiales в FP2M_L, таксоны, связанные с Synergistetes в FP3M_L, а также таксоны, связанные с Bacteroidetes, Parabacteroides, Actinobacteria и Bifidobacterium в FP4M_L. Прогнозирование функционального профилирования на основе аннотации путей KEGG показало специфические для каждой подгруппы паттерны обогащения (Рисунок 7F>). В FP1M_L прогнозировалось обогащение биосинтеза вторичных метаболитов; в FP2M_L — обогащение путей, связанных с передачей сигнала, двухкомпонентными системами, обработкой экологической информации, клеточными сообществами прокариот и углеводным обменом; в FP3M_L — обогащение мембранного транспорта, чувства кворума, репликации и репарации, а также фосфотрансферазной системы; в FP4M_L — обогащение обработки генетической информации; в FP5M_L — обогащение метаболизма и метаболических путей. Эти результаты позволяют предположить, что подгруппы БП с низкой степенью тяжести демонстрировали временные изменения микробного разнообразия, таксономического состава и прогнозируемых функциональных профилей после ТФМ.

Связи между конкретными OTU и клиническими показателями при БП

Для изучения взаимосвязей между изменениями микробиоты кишечника и клиническими особенностями при БП были визуализированы 50 наиболее значимых корреляций между OTU и клиническими параметрами после применения поправки на множественные сравнения, что соответствовало 23 уникальным OTU (Рисунок 8). Несколько OTU продемонстрировали схожие паттерны корреляции с различными клиническими показателями. Например, OTU165, OTU67, OTU230, OTU154, OTU72 и ряд других OTU показали положительную корреляцию со шкалой Векснера, стадией по Хен-Яру, PSQI и несколькими показателями UPDRS, в то время как с шкалой ADL и NPI наблюдалась отрицательная корреляция. Напротив, OTU10 (Parabacteroides) и OTU45 (Fusobacterium) продемонстрировали противоположный паттерн корреляции для ряда клинических переменных. OTU165, аннотированный на уровне типа Firmicutes, показал положительную корреляцию с тяжестью запоров, стадией заболевания, нарушениями сна и несколькими компонентами UPDRS, при этом наблюдалась отрицательная корреляция со шкалой ADL и NPI. Аналогично, OTU67 (Porphyromonadaceae) также коррелировал с несколькими моторными и немоторными клиническими показателями. В целом, эти результаты позволяют предположить, что специфические OTU связаны с множеством клинических показателей при БП, хотя данные корреляции следует интерпретировать с осторожностью и рассматривать как основу для выдвижения гипотез, а не как доказательство причинно-следственной связи.

ДОСТУПНОСТЬ ДАННЫХ:

Дополнительные материалы к данному исследованию доступны по адресу DOI: https://doi.org/10.5281/zenodo.2162075.

Лонгитюдное сравнение показателей; графики, отображающие баллы по шкалам NMSQ, NMSS, NPI, PSQI, UPDRS и Уэкснера в динамике.
Рисунок 1Динамика клинических показателей после трансплантации фекальной микробиоты у пациентов с болезнью Паркинсона. На линейных графиках показана динамика показателей NMSQ, NMSS, NPI, PSQI, общего балла UPDRS и шкалы запоров по Векснеру от исходного уровня перед трансплантацией фекальной микробиоты (FB) до 1, 2, 3, 4 и 5 месяцев после процедуры (FP1M–FP5M) в группе с тяжелым течением заболевания (H) и группе с легким течением (L). Точки данных представляют собой суммарные значения на уровне группы, а планки погрешностей указывают соответствующую вариабельность/диапазон. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Диаграмма индексов разнообразия Шеннона; сравнение анализа глубины секвенирования; экспериментальные данные.
Рисунок 2Кривые разрежения и сравнение OTU между группами. (A) Кривые разрежения Шеннона, показывающие зависимость между глубиной секвенирования и микробным разнообразием. Ось X представляет глубину секвенирования, а ось Y — индекс разнообразия Шеннона. Постепенное выход кривых на плато свидетельствует о том, что глубины секвенирования в целом было достаточно для оценки разнообразия. (B) Диаграмма Венна, показывающая общие и уникальные OTU в 12 группах. Число в центре соответствует количеству OTU, общих для всех групп, а числа во внешних областях — количеству OTU, уникальных для каждой группы. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Анализ микробного разнообразия с использованием индексов Chao1 и Шеннона, графиков PCoA; диаграммы обилия на уровнях типов и родов.
Рисунок 3Микробное разнообразие, таксономический состав и прогнозируемые функциональные различия между группами FB_H и FB_L. (A) Анализ альфа-разнообразия на основе индексов Chao1, ACE, Шеннона и Симпсона. (B) Анализ главных координат (PCoA) на основе взвешенных и невзвешенных расстояний UniFrac. (С, DОтносительная численность 10 наиболее распространенных таксонов микробиоты кишечника на уровне типа (C) и род (D) уровни, представленные на стековых гистограммах и диаграммах размаха. (Е) Анализ LEfSe, демонстрирующий таксоны с различным уровнем относительного обилия в группах FB_H и FB_L. (F) LEfSe-анализ прогнозируемых функциональных путей KEGG. Положительные и отрицательные значения LDA указывают на пути, обогащенные в разных группах. *P < 0.05, **P < 0.01, ***P < 0.001. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Анализ микробного разнообразия; индексы Шеннона/Симпсона, графики PCoA, распределение таксонов, показатели LDA.
Рисунок 4Микробное разнообразие, таксономический состав и прогнозируемые функциональные различия между группами FP1M_H и FB_H. (A) Анализ альфа-разнообразия на основе индексов Chao1, ACE, Шеннона и Симпсона. (B) Анализ главных координат (PCoA) на основе взвешенных и невзвешенных расстояний UniFrac. (C,D) Относительная численность 10 наиболее распространенных таксонов микробиоты кишечника на уровне типа (C) и род (D) уровни, представленные на стековых столбчатых диаграммах и диаграммах размаха. (Е) Анализ LEfSe, демонстрирующий таксоны с различной численностью в группах FP1M_H и FB_H. (F) LEfSe-анализ предсказанных функциональных путей KEGG. Положительные и отрицательные значения показателей LDA указывают на пути, обогащенные в разных группах. *P < 0.05, **P < 0.01, ***P < 0.001. Пожалуйста, нажмите здесь, чтобы просмотреть эту фигуру в увеличенном размере.

Анализ микробного разнообразия; диаграммы размаха, графики PCoA, столбчатые диаграммы; статистическое сравнение групп.
Рисунок 5Микробные и функциональные различия между группами FB_L и FP1M_L. (A) Анализ альфа-разнообразия групп FB_L и FP1M_L. (B) Анализ бета-разнообразия групп FB_L и FP1M_L. (С, D) Относительная численность таксонов кишечной микробиоты в группах FB_L и FP1M_L на уровне типа (С) и род (D) уровней. (ЕСравнительный анализ видовых различий между группами FB_L и FP1M_L.F) Прогнозируемые микробные функции в группах FB_L и FP1M_L. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Графики анализа микробного разнообразия; включают индексы Chao1, ACE, Шеннона и Симпсона; графики PCoA.
Рисунок 6Микробное разнообразие, таксономический состав и прогнозируемые функциональные различия между группами FP1M_H, FP2M_H, FP3M_H, FP4M_H и FP5M_H. (A) Анализ альфа-разнообразия на основе индексов Chao1, ACE, Шеннона и Симпсона. (B) Анализ главных координат (PCoA) на основе взвешенных и невзвешенных расстояний UniFrac. (C,D) Относительная численность 10 наиболее представленных таксонов микробиоты кишечника на уровне типа (C) и уровней рода (D), представленных на гистограммах с накоплением и диаграммах размаха. (Е) Анализ LEfSe, демонстрирующий таксоны с различным уровнем представленности среди пяти подгрупп с высокой степенью тяжести после FMT. (F) LEfSe-анализ прогнозируемых функциональных путей KEGG. Положительные значения LDA указывают на пути, обогащенные в соответствующих группах. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Анализ разнообразия микробиома; диаграммы размаха, метод главных компонент (МГК), графики относительного содержания, показатели LDA; сравнение данных.
Рисунок 7Микробное разнообразие, таксономический состав и прогнозируемые функциональные различия между группами FP1M_L, FP2M_L, FP3M_L, FP4M_L и FP5M_L. (A) Анализ альфа-разнообразия на основе индексов Chao1, ACE, Шеннона и Симпсона. (B) Анализ главных координат (PCoA) на основе взвешенных и невзвешенных расстояний UniFrac. (С, D) Относительная численность 10 наиболее представленных таксонов микробиоты кишечника на уровне типа (C) и род (D) уровни, представленные на диаграммах с накоплением и диаграммах «ящик с усами». (Е) Анализ LEfSe, демонстрирующий таксоны с различным уровнем обилия в пяти подгруппах с низкой степенью тяжести после трансплантации фекальной микробиоты (TFM). (F) LEfSe-анализ прогнозируемых функциональных путей KEGG. Положительные значения LDA указывают на пути, обогащенные в соответствующих группах. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Тепловая карта корреляции Спирмена между OTU и клиническими признаками; выделены уровни значимости.
Рисунок 8Корреляционный анализ Спирмена между OTU и клиническими показателями. Строки соответствуют OTU, а столбцы — клиническим признакам. В каждой ячейке указан коэффициент корреляции Спирмена между конкретным OTU и клиническим показателем. Красный цвет указывает на положительную корреляцию, синий — на отрицательную, при этом интенсивность цвета отражает силу связи. Числовые значения в ячейках представляют коэффициенты корреляции. *P < 0.05, **P < 0.01, ***P < 0,01; ns — статистически не значимо. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Пациент123456
Пол (Ж/М)МFMFМF
Возраст (лет)657268756170
ИМТ (индекс массы тела)23.521.824.220.522.123
подтип болезни ПаркинсонаЖесткостьТреморГибридныйЖесткостьТреморГибридный
Течение заболевания5861037
шкала Векснера12151018813
Общий балл по шкале UPDRS456149723655
Общий показатель NMSS456250703855
NMSQ10141116812
Питтсбургский индекс качества сна (PSQI)811913610
повседневная деятельность (ADL)907585709565
НПИ (национальный идентификатор поставщика услуг)5961237
Продолжительность запора475926
LEDD (мг/сут)600800700900400750
Применение слабительных средствНетПрерывистое использованиеНетДлительное применениеНетПрерывистое использование
Применение пробиотиковНетДаНетДаНетНет
Применение антибиотиковНетНетДаНетНетНет
Стадия по шкале Хён–Яра232.53.51.53
Группа степени тяжестинизкийвысокийнизкийвысокийнизкийвысокий

Таблица 1: Исходные демографические и клинические характеристики пациентов с болезнью Паркинсона, стратифицированные по длительности заболевания. Пациенты были разделены на группу с большой длительностью заболевания (>6 лет; FB_H) и группу с малой длительностью заболевания (≤6 лет; FB_L). Данные представлены в виде медианы (диапазон) для непрерывных переменных и числа (%), где применимо, для категориальных переменных. Сокращения: ADL — повседневная активность; BMI — индекс массы тела; NMSS — шкала немоторных симптомов; NMSQ — опросник немоторных симптомов; NPI — нейропсихиатрический опросник; PD — болезнь Паркинсона; PSQI — Питтсбургский индекс качества сна; UPDRS — Унифицированная шкала оценки болезни Паркинсона.

Нежелательные явленияПациенты (n, %)
Метеоризм2 (33.3%)
Боль в животе1 (16.7%)
Диарея2 (33.3%)
Обострение запора2 (33.3%)
Лихорадка0
Тошнота/рвота2 (33.3%)
Прекращение проведения ФМТ в связи с нежелательными явлениями0

Таблица 2: Нежелательные явления после трансплантации фекальной микробиоты у пациентов с болезнью Паркинсона. В таблице представлено количество и процент пациентов, у которых наблюдалось каждое нежелательное явление в период последующего наблюдения после трансплантации фекальной микробиоты. Случаев лихорадки или прекращения лечения из-за нежелательных явлений зарегистрировано не было. Сокращения: FMT — трансплантация фекальной микробиоты; PD — болезнь Паркинсона.

Дополнительный рисунок 1: Отбор участников и поток пациентов. Схема процесса скрининга образцов пациентов с болезнью Паркинсона, проходивших FMT и участвовавших в секвенировании 16S рРНК. n означает количество участников.Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

ТФМ — это вмешательство на основе микробиоты, при котором фекальная микробиота здорового донора переносится в кишечник реципиента для восстановления кишечного микробного баланса14. Растущее число данных свидетельствует о том, что микробиота кишечника играет важную роль в поддержании гомеостаза нервной системы15. Данные о двунаправленной оси кишечник-мозг указывают на то, что микробиота кишечника может влиять на воспаление центральной нервной системы, метаболизм нейромедиаторов и поведенческие реакции при БП16,17. Таким образом, трансплантация микробиоты привлекла внимание как потенциальный метод терапии, хотя ее клиническое применение при нейропсихиатрических и нейродегенеративных заболеваниях остается на стадии исследования18. В данном одноцентровом ретроспективном обсервационном исследовании оценивались клинические результаты, безопасность и эксплораторные профили микробиоты кишечника у пациентов с БП, которым проводилась трансплантация фекальной микробиоты (ТФМ) в рамках рутинной клинической практики. Мы наблюдали различия в богатстве, разнообразии, структуре сообщества и прогнозируемых функциональных профилях микробиоты кишечника в подгруппах с разной степенью тяжести БП и в разные временные точки после ТФМ. Эти результаты позволяют предположить, что профили микробиоты кишечника могут варьироваться в зависимости от тяжести заболевания и могут динамически изменяться после вмешательства в виде ТФМ. Следовательно, данные результаты следует рассматривать исключительно как основание для выдвижения гипотез, которые требуют подтверждения в более масштабных исследованиях с достаточной статистической мощностью.

Запор является одним из наиболее распространенных и обременительных немоторных симптомов при БП19. Запор может снижать качество жизни, увеличивать потребность в слабительных средствах и препятствовать абсорбции дофаминергических препаратов. В данной когорте баллы по шкале запоров Векснера снизились после ТФМ в обеих аналитических подгруппах, хотя степень и продолжительность улучшения различались в разные временные точки последующего наблюдения. Такая закономерность указывает на временную связь между ТФМ и облегчением симптомов со стороны кишечника.

Мы также наблюдали изменения по нескольким моторным и немоторным клиническим показателям, включая NMSS, PSQI, UPDRS III и общие баллы по шкале UPDRS. Эти результаты заслуживают внимания, поскольку БП является мультисистемным заболеванием, при котором часто сочетаются желудочно-кишечная дисфункция, нарушения сна, вегетативные симптомы, нейропсихиатрические симптомы и моторные нарушения. Потенциальным объяснением может служить то, что модуляция микробиоты кишечника может влиять на моторику желудочно-кишечного тракта, системное воспаление, целостность кишечного барьера, микробные метаболиты и передачу сигналов по оси «микробиота — кишечник — мозг». Тем не менее, на показатели моторных и немоторных функций при БП влияет множество факторов, включая стадию заболевания, дофаминергическую терапию, качество сна, настроение, вегетативную дисфункцию, статус реабилитации и повседневную активность. Следовательно, изменения показателей UPDRS, NMSS, PSQI и показателей, связанных с ADL, следует интерпретировать как предварительные клинические наблюдения.

Наши результаты в целом согласуются с предыдущими исследованиями, связывающими микробиоту кишечника с клинической гетерогенностью БП. В недавнем исследовании сообщалось, что трансплантация фекальной микробиоты от здоровых доноров может улучшить моторные и немоторные симптомы у пациентов с болезнью Паркинсона, что сопровождалось изменениями в составе микробиоты кишечника и функциональных путях13,20. Хотя в одном из предыдущих исследований расстройства импульсивного контроля не оказали значительного влияния на α- и β-разнообразие у пациентов с БП, у пациентов с расстройствами импульсивного контроля наблюдалось обогащение специфическими микробными таксонами и потенциальные функциональные различия в таких путях, как деградация ксенобиотиков и метаболизм ниацина21. В другом исследовании сообщалось, что у пациентов с БП, страдающих тревожностью, наблюдались изменения в составе микробиоты кишечника и β-разнообразии, что дополнительно подтверждает возможную связь между кишечной флорой и немоторными симптомами БП22. В данном исследовании микробное разнообразие и состав различались между подгруппами с высокой и низкой степенью тяжести, а несколько подгрупп после ТФМ продемонстрировали отчетливые микробные паттерны. Эти результаты подтверждают вероятность того, что микробиота кишечника может быть вовлечена в многомерные клинические проявления БП, хотя причинно-следственные связи еще требуют подтверждения.

Некоторые таксоны, идентифицированные в данном исследовании, могут иметь биологическое значение для изменений микробиома кишечника, связанных с БП. Определенные бактерии могут влиять на патофизиологию БП через иммунные и метаболические пути23. Firmicutes представляют собой один из основных типов грамположительных бактерий в кишечнике человека и включают представителей, участвующих в выработке короткоцепочечных жирных кислот и поддержании кишечного барьера24. В данном исследовании OTU165, аннотированный на уровне типа как Firmicutes, был одним из OTU, наиболее часто ассоциированных с клиническими переменными. Однако широкие таксономические группы, такие как Firmicutes, содержат функционально разнообразных представителей, и их биологическая интерпретация должна проводиться с осторожностью. Метагеномный анализ кала показал, что Lactobacillus и связанные с ними микробные эпитопы из типа Firmicutes обогащены у пациентов с БП и ассоциированы с маркерами воспаления и метаболическими путями, такими как ферментация пропионата25. Bifidobacterium — это бактериальный род с потенциальными противовоспалительными свойствами, который может способствовать регуляции микробиоты кишечника, тогда как Bacteroides является важным комменсальным родом, дисбиоз которого связывают с нарушением функции кишечного барьера и усилением воспалительных реакций26,27. В настоящем исследовании Bacteroides был относительно более обилен в группе FP2M_L, тогда как Bifidobacterium был относительно более обилен в группе FP1M_L. На крысиной модели БП supplementation Bifidobacterium breve Bif11 улучшал двигательные и когнитивные нарушения, снижал уровень воспалительных факторов и окислительный стресс в среднем мозге, а также восстанавливал содержание короткоцепочечных жирных кислот и функцию кишечного барьера28. В предыдущих исследованиях также сообщалось об изменении численности Bacteroides у пациентов с БП, что сопровождалось изменениями в метаболизме предшественников короткоцепочечных жирных кислот и связью с тяжестью заболевания29. Эти результаты указывают на то, что таксоны, наблюдаемые в данном исследовании, могут иметь потенциальное биологическое значение, однако необходимы таксономический анализ с более высоким разрешением и функциональная валидация.

Анализ функционального прогнозирования показал, что различные подгруппы БП демонстрируют разные прогнозируемые паттерны обогащения путей KEGG. В группе FB_H наблюдалось прогнозируемое обогащение таких путей, как углеводный обмен, окислительное фосфорилирование, микробный метаболизм в различных средах и процессы, связанные с липополисахаридами, что может отражать измененный метаболический потенциал микробиоты в группе с тяжелым течением заболевания. Окислительное фосфорилирование является основным процессом, с помощью которого митохондрии вырабатывают энергию и поддерживают нормальную функцию нейронов30. Нарушение окислительного фосфорилирования может привести к дефициту энергии, окислительному стрессу и нейровоспалению, которые связаны с развитием депрессии и БП31. Исследования показывают, что микробиота кишечника может влиять на митохондриальную дисфункцию, регулируя синтез нейромедиаторов, митофагию и гомеостаз окислительного стресса32. Гены, ассоциированные с БП, также могут нарушать функцию комплекса I митохондрий, снижать выработку ATP и усугублять прогрессирование заболевания путем подавления пути Akt33. Кроме того, липополисахарид (LPS), важный компонент грамотрицательных бактерий, может запускать нейровоспалительные реакции; исследования на животных показали, что воздействие LPS может активировать микроглию, стимулировать высвобождение воспалительных факторов, повреждать нейронные структуры и индуцировать поведенческие изменения, характерные для болезни Паркинсона34. В данном исследовании в некоторых подгруппах с легким течением и после ФМТ также наблюдалось прогнозируемое обогащение путей, связанных с метаболизмом аминокислот, биосинтезом вторичных метаболитов, мембранным транспортом, репликацией и репарацией, а также метаболизмом короткоцепочечных жирных кислот. Однако, поскольку результаты по этим путям были получены путем вывода на основе секвенирования 16S рРНК, а не путем прямого измерения метагеномными или метаболомными методами, их следует рассматривать как предварительные.

В данном исследовании также оценивались взаимосвязи между характеристиками микробиоты кишечника и клиническими показателями, отражающими моторные и немоторные симптомы при БП. Шкала Векснера отражает функцию дефекации; стадия по Хён и Яру и шкала UPDRS оценивают степень тяжести моторных нарушений; PSQI и ADL измеряют качество сна и повседневную функциональную активность соответственно; а NPI оценивает нейропсихиатрические симптомы, такие как тревога и депрессия35,36,37. Несколько OTU были связаны с клиническими шкалами, относящимися к запорам, нарушениям сна, моторным нарушениям, функциональному статусу и нейропсихиатрическим симптомам. В предыдущих рандомизированных контролируемых исследованиях сообщалось, что ТМК может улучшить вегетативную функцию и желудочно-кишечные симптомы у пациентов с БП, а также повысить сложность микробиома кишечника, что позволяет предположить, что ТМК может быть возможным вспомогательным методом терапии38. В другом исследовании также было обнаружено, что разнообразие микробиоты кишечника у пациентов с БП было изменено, причем Firmicutes и Actinobacteria положительно коррелировали с показателями UPDRS III, NMSS, шкалы Векснера и 39-пунктного опросника по болезни Паркинсона PDQ-39, тогда как Bacteroidetes демонстрировали отрицательную корреляцию с этими показателями39. Тем не менее, корреляции, наблюдаемые в настоящем исследовании, не устанавливают причинно-следственную связь, и направленность этих взаимосвязей следует интерпретировать с осторожностью.

Безопасность является важнейшим аспектом при оценке применения FMT для лечения нейродегенеративных заболеваний. В данной когорте зарегистрированные нежелательные явления были преимущественно желудочно-кишечного характера, включая метеоризм, диарею, усиление запоров, тошноту/рвоту и боли в животе. Лихорадка не наблюдалась, и ни один пациент не прекратил процедуру FMT из-за нежелательных явлений. Эти данные свидетельствуют о том, что в данной малой когорте FMT в целом переносилась хорошо. Однако оценка безопасности основывалась на ретроспективных клинических записях и ограниченном количестве пациентов. Нельзя исключить редкие, но клинически значимые осложнения, включая инфекции, аспирацию, передачу патогенов от донора, метаболические осложнения и отсроченные нежелательные явления. Будущие проспективные исследования должны включать стандартизированные определения нежелательных явлений, активный мониторинг безопасности, документацию по скринингу доноров и долгосрочное последующее наблюдение.

Следует признать ряд ограничений, включая малый размер выборки (n = 6), отсутствие контрольной группы, дизайн с повторными измерениями с потенциальной псевдорепликацией и регрессией к среднему, а также неполную документацию потенциальных вмешивающихся факторов, таких как диета, лечение запоров, корректировка приема лекарств, использование антибиотиков или пробиотиков; хотя участникам рекомендовали избегать последних, недокументированное воздействие нельзя исключать, и оно могло повлиять на микробиоту кишечника. Кроме того, семейный анамнез болезни Паркинсона или других неврологических расстройств не регистрировался систематически, что исключает оценку генетического или семейного вклада. Функциональные прогнозы основывались на данных 16S rRNA, а не на прямых метагеномных или метаболомных измерениях, а несколько OTU были аннотированы только на широких таксономических уровнях, что ограничивает биологическую интерпретируемость. Эти ограничения требуют осторожной интерпретации полученных результатов.

Тем не менее, данное поисковое исследование позволяет предположить, что FMT была связана с изменениями симптомов, связанных с запором, отдельных моторных и немоторных клинических показателей, нежелательных явлений со стороны желудочно-кишечного тракта, а также с изменениями в профилях микробиоты кишечника у пациентов с PD. Полученные результаты предоставляют предварительные данные из реальной клинической практики и обосновывают необходимость дальнейшего изучения интервенций, направленных на модификацию микробиоты, при PD с сопутствующим запором. Однако, учитывая небольшой размер выборки, ретроспективный дизайн, структуру с повторными измерениями и отсутствие контрольной группы, результаты следует интерпретировать с осторожностью. Для уточнения клинической значимости, безопасности и биологических механизмов FMT при PD необходимы проспективные контролируемые исследования со стандартизированными протоколами FMT, заранее определенными клиническими конечными точками, строгим мониторингом безопасности и комплексным мультиомным анализом.

Раскрытие информации

Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.

Благодарности

Мы выражаем благодарность всем коллегам, которые оказали помощь и поддержку в проведении данного исследования. Их сотрудничество и поддержка имели неоценимое значение для нашей работы.

Финансирование: Данное исследование было профинансировано в рамках Ключевой провинциальной программы Цзянсу по охране здоровья пожилых людей (LKZ2022004).

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Система MiSeqIllumina, Inc.SY-410-1003Настольная платформа для секвенирования коротких чтений, используемая для анализа V3 16S рРНК–Секвенирование ампликонов участка V4 с помощью 2 × химия парноконцевого секвенирования с длиной прочтения 300 п.н.
Metagenome@KINWorld Fusion Co., Ltd.v2.2.1; https://www.w-fusion.com/metagenomeКоммерческое программное обеспечение, используемое для таксономического назначения 16S рРНК и анализа микробных сообществ.
База данных для идентификации микроорганизмов (бактериальная)TechnoSuruga Laboratory Co., Ltd.DB-BA, база данных v10.0; https://www.tecsrg.co.jp/services/enki/Референсная база данных бактериальной 16S рДНК, используемая для идентификации микроорганизмов.
праймер 341FBGI Genomics Co., Ltd.Синтезированный олигонуклеотид; номер по каталогу отсутствуетПоследовательность прямого праймера: 5′-CCTACGGGNGGCWGCAG-3′.
праймер 805RBGI Genomics Co., Ltd.Синтетический олигонуклеотид; номер по каталогу отсутствуетПоследовательность обратного праймера: 5′-GACTACHVGGGTATCTAATCC-3′.
Услуга по секвенированию гена 16S рРНКBGI Genomics Co., Ltd. (Ухань, Китай)https://www.bgi.com/us/sequencing-services/rna-sequencing-solutions/16s18s-its-sequencing/ Секвенирование 16S/18S/ITS Секвенирование ампликонов 16S/18S/ITS позволяет определять таксономический состав микробных сообществ, обеспечивая глубокий анализ разнообразия и структуры микробиома. С помощью высокоточного секвенирования BGI можно идентифицировать бактерии, археи, грибы и другие микроорганизмы, что делает этот метод незаменимым для исследований в области экологии, медицины, сельского хозяйства и пищевой промышленности. Основные преимущества секвенирования ампликонов в BGI: - Высокая точность и воспроизводимость: использование передовых технологий подготовки библиотек и высокопроизводительных платформ секвенирования. - Широкий охват таксонов: поддержка различных гипервариабельных регионов для точной идентификации различных групп микроорганизмов. - Комплексный биоинформатический анализ: от первичной обработки данных до таксономического профилирования и статистического анализа разнообразия. - Оптимизированные протоколы: проверенные методы экстракции ДНК и амплификации, минимизирующие систематические ошибки. Области применения: - Анализ микробиома человека: изучение кишечного, кожного и орального микробиома для поиска биомаркеров заболеваний. - Сельское хозяйство и почвоведение: оценка здоровья почвы, изучение ризосферных сообществ и мониторинг патогенов растений. - Экологический мониторинг: анализ микробного состава воды, воздуха и экстремальных сред. - Пищевая безопасность: контроль качества продуктов питания и идентификация контаминантов. Секвенируемые мишени: - 16S рРНК: золотой стандарт для идентификации бактерий и архей (например, регионы V3-V4). - 18S рРНК: используется для анализа эукариотических микроорганизмов, включая простейших. - ITS (Internal Transcribed Spacer): основной маркер для идентификации и таксономического анализа грибов. Процесс работы: 1. Подготовка образцов и экстракция ДНК: выделение высококачественной геномной ДНК из различных типов биоматериалов. 2. ПЦР-амплификация: специфическое усиление целевых гипервариабельных регионов с использованием стандартизированных праймеров. 3. Подготовка библиотек: прикрепление адаптеров и индексация образцов для мультиплексного секвенирования. 4. Секвенирование: высокопроизводительное считывание последовательностей на платформах BGI. 5. Биоинформатическая обработка: фильтрация данных, кластеризация последовательностей (OTU или ASV) и присвоение таксономических меток с использованием актуальных баз данных.Коммерческий провайдер услуг по секвенированию; выполнил подготовку библиотек, секвенирование и первичный контроль качества.
Микроцентрифужные пробирки Eppendorf Safe-Lock, Biopur, 1,5 млEppendorf SE'0030121589Стерильные полипропиленовые пробирки, используемые для аликвотирования образцов фекалий для хранения при −80 °С.
LEfSeЛаборатория Сегаты/bioBakeryv1.1.2; https://github.com/SegataLab/lefseПрограммное обеспечение для анализа линейного дискриминантного эффекта (LEfSe), использованное для выявления таксонов с различным уровнем распространенности и прогнозируемых метаболических путей.
Tax4Fun2Команда разработчиков Tax4Fun2v1.1.5; https://github.com/fjossandon/Tax4Fun2Пакет R, используемый для прогнозирования функциональных профилей Kyoto Encyclopedia of Genes and Genomes (KEGG) на основе данных 16S рРНК.
пакет R microecoЧи Лю и соавторыv1.15.0; https://cran.r-project.org/package=microecoПакет для анализа и визуализации экологии сообществ, предназначенный для анализа численности и разнообразия микроорганизмов.
программное обеспечение RR Foundation for Statistical ComputingВерсия не указана; https://www.r-project.org/Среда статистических вычислений, использованная для клинического анализа и анализа микробиома; точная версия должна быть подтверждена авторами.
Автоматизированная система очистки фекальной микробиоты GenFMTerNanjing FMT Medical Co., Ltd.Модель: GenFMTer; https://en.fmtmed.com/Автоматизированная система, используемая для стандартизированного центрифугирования, промывки и подготовки суспензии фекальной микробиоты.

Ссылки

  1. Masuda T, Egawa K, Takeshita Y, Tanaka K. Parkinson's disease bradykinesia, forward posture, and drug-induced Pisa syndrome alleviated with traditional Japanese acupuncture: a case report. Cureus. 2024;16(10):e70860. doi:10.7759/cureus.70860.
  2. Boyd RJ, Avramopoulos D, Jantzie LL, McCallion AS. Neuroinflammation represents a common theme amongst genetic and environmental risk factors for Alzheimer and Parkinson diseases. J Neuroinflammation. 2022;19(1):223. doi:10.1186/s12974-022-02584-x.
  3. Zhong QQ, Zhu F. Trends in prevalence cases and disability-adjusted life-years of Parkinson's disease: findings from the Global Burden of Disease Study 2019. Neuroepidemiology. 2022;56(4):261–70.
  4. Albin RL, Brissenden JA, Lee TG, Leventhal DK. Striatal dopamine actions and movement: inferences from Parkinson disease. J Neurosci. 2025;45(24):e0022252025. doi:10.1523/JNEUROSCI.0022-25.2025.
  5. Panwar S, Sharma S, Tripathi P. Role of barrier integrity and dysfunctions in maintaining the healthy gut and their health outcomes. Front Physiol. 2021;12:715611. doi:10.3389/fphys.2021.715611.
  6. Minkoff NZ, et al. Fecal microbiota transplantation for the treatment of recurrent Clostridioides difficile (Clostridium difficile.). Cochrane Database Syst Rev. 2023;4(4):CD013871. doi:10.1002/14651858.CD013871.pub2.
  7. Wang M, et al. Influence of the gut microbiota, metabolism and environment on neuropsychiatric disorders. Curr Rev Clin Exp Pharmacol. 2025;20(4):334–48.
  8. Ojeda J, Ávila A, Vidal PM. Gut microbiota interaction with the central nervous system throughout life. J Clin Med. 2021;10(6):1299. doi:10.3390/jcm10061299.
  9. Lobo B, et al. The stressed gut: region-specific immune and neuroplasticity changes in response to chronic psychosocial stress. J Neurogastroenterol Motil. 2023;29(1):72–84.
  10. Jang HM, et al. Transplantation of fecal microbiota from patients with inflammatory bowel disease and depression alters immune response and behavior in recipient mice. Sci Rep. 2021;11(1):20406. doi:10.1038/s41598-021-00088-x.
  11. Segal A, et al. Fecal microbiota transplant as a potential treatment for Parkinson's disease—a case series. Clin Neurol Neurosurg. 2021;207:106791. doi:10.1016/j.clineuro.2021.106791.
  12. Scheperjans F, et al. Fecal microbiota transplantation for treatment of Parkinson disease: a randomized clinical trial. JAMA Neurol. 2024;81(9):925–38.
  13. Zhang H, et al. Pilot clinical trial of fecal microbiota transplantation for constipation in Parkinson's disease. J Microbiol Biotechnol. 2025;35:e2509029. doi:10.4014/jmb.2509.09029.
  14. Danne C, Rolhion N, Sokol H. Recipient factors in faecal microbiota transplantation: one stool does not fit all. Nat Rev Gastroenterol Hepatol. 2021;18(7):503–13.
  15. Su X, Gao Y, Yang R. Gut microbiota-derived tryptophan metabolites maintain gut and systemic homeostasis. Cells. 2022;11(15):2296. doi:10.3390/cells11152296.
  16. Góralczyk-Bińkowska A, Szmajda-Krygier D, Kozłowska E. The microbiota–gut–brain axis in psychiatric disorders. Int J Mol Sci. 2022;23(19):11245. doi:10.3390/ijms231911245.
  17. Chen M, et al. Neurotransmitter and intestinal interactions: focus on the microbiota–gut–brain axis in irritable bowel syndrome. Front Endocrinol (Lausanne). 2022;13:817100. doi:10.3389/fendo.2022.817100.
  18. Zheng L, Ji YY, Wen XL, Duan SL. Fecal microbiota transplantation in metabolic diseases: current status and perspectives. World J Gastroenterol. 2022;28(23):2546–60.
  19. Yao L, et al. Constipation in Parkinson's disease: a systematic review and meta-analysis. Eur Neurol. 2023;86(1):34–44.
  20. Figura M, et al. Safety and efficacy of fecal microbiota transplantation in alleviating symptoms of Parkinson's disease: a randomized, placebo-controlled, double-blinded study. Ann Neurol. 2026;100(1):10–21.
  21. Lin SH, et al. Associations between gut microbiota composition and impulse control disorders in Parkinson's disease. Int J Mol Sci. 2025;26(13):6146. doi:10.3390/ijms26136146.
  22. Lin SH, et al. Anxiety-related gut microbiota alterations in Parkinson's disease: distinct associations compared with healthy individuals. Front Cell Infect Microbiol. 2025;15:1594152. doi:10.3389/fcimb.2025.1594152.
  23. Nie S, et al. Inflammatory microbes and genes as potential biomarkers of Parkinson's disease. NPJ Biofilms Microbiomes. 2022;8(1):101. doi:10.1038/s41522-022-00367-z.
  24. Markowiak-Kopeć P, Śliżewska K. The effect of probiotics on the production of short-chain fatty acids by the human intestinal microbiome. Nutrients. 2020;12(4):1107. doi:10.3390/nu12041107.
  25. Li Z, et al. Altered Actinobacteria- and Firmicutes-phylum-associated epitopes in patients with Parkinson's disease. Front Immunol. 2021;12:632482. doi:10.3389/fimmu.2021.632482.
  26. Aghamohammad S, et al. The potential role of Bifidobacterium. spp. as preventive and therapeutic agents in controlling inflammation by affecting inflammatory signalling pathways. Lett Appl Microbiol. 2022;75(5):1254–63.
  27. Chen Y, Cui W, Li X, Yang H. Interaction between commensal bacteria, immune response and the intestinal barrier in inflammatory bowel disease. Front Immunol. 2021;12:761981. doi:10.3389/fimmu.2021.761981.
  28. Valvaikar S, et al. Supplementation with the probiotic Bifidobacterium breve. Bif11 reverses neurobehavioural deficits, inflammatory changes and oxidative stress in a Parkinson's disease model. Neurochem Int. 2024;174:105691. doi:10.1016/j.neuint.2024.105691.
  29. Mao L, et al. Cross-sectional study on the gut microbiome of patients with Parkinson's disease in Central China. Front Microbiol. 2021;12:728479. doi:10.3389/fmicb.2021.728479.
  30. Trigo D, et al. Mitochondria, energy and metabolism in neuronal health and disease. FEBS Lett. 2022;596(9):1095–110.
  31. Masenga SK, Kabwe LS, Chakulya M, Kirabo A. Mechanisms of oxidative stress in metabolic syndrome. Int J Mol Sci. 2023;24(9):7898. doi:10.3390/ijms24097898.
  32. Zhao H, et al. Multiple pathways through which the gut microbiota regulates neuronal mitochondria constitute another possible direction for depression. Front Microbiol. 2025;16:1578155. doi:10.3389/fmicb.2025.1578155.
  33. Ali MZ, Dholaniya PS. Oxidative phosphorylation-mediated pathogenesis of Parkinson's disease and its implications via Akt signaling. Neurochem Int. 2022;157:105344. doi:10.1016/j.neuint.2022.105344.
  34. Zhang J, et al. LPS activates neuroinflammatory pathways to induce depression in a Parkinson's disease-like condition. Front Pharmacol. 2022;13:961817. doi:10.3389/fphar.2022.961817.
  35. Ota E, et al. Incidence and risk factors of bowel dysfunction after minimally invasive rectal cancer surgery and discrepancies between the Wexner score and the low anterior resection syndrome score. Surg Today. 2024;54(7):763–70.
  36. Kataoka H, Sugie K. Association between fatigue and Hoehn–Yahr staging in Parkinson's disease: an eight-year follow-up study. Neurol Int. 2021;13(2):224–31.
  37. Ren XQ, et al. Mediating roles of activities of daily living and depression in the relationship between sleep quality and health-related quality of life. Sci Rep. 2024;14(1):14057. doi:10.1038/s41598-024-65095-0.
  38. Cheng Y, et al. Efficacy of fecal microbiota transplantation in patients with Parkinson's disease: clinical trial results from a randomized, placebo-controlled design. Gut Microbes. 2023;15(2):2284247. doi:10.1080/19490976.2023.2284247.
  39. Hu Y, Wang H, Zhong Y, Sun Y. Retrospective analysis of diet, gut microbiota diversity and clinical pharmacology outcomes in patients with parkinsonism syndrome. Heliyon. 2024;10(21):e38645. doi:10.1016/j.heliyon.2024.e38645.

Перепечатки и разрешения

Теги

16S
Свяжитесь с нами
Рекомендовать библиотеке

Конфиденциальность

Условия эксплуатации

Политика

Авторские права © 2026 MyJoVE Corporation. Все права защищены.