Associationsanalyse af hjerte-kar- og nervesystemsygdomme og tarmmikrobiom baseret på multi-omics big data og relaterede applikationer

Et mikrobielt økosystem er et komplekst samfund af interagerende bakterier. Tarmfloraens potentielle rolle for menneskers sundhed har tiltrukket sig stor opmærksomhed. Ubalancer i tarmmikrobiomet har været impliceret i en række kroniske sygdomme. Hjerte-kar-sygdomme (CVD'er) er den førende årsag til sygelighed på verdensplan og påvirkes af både genetiske og miljømæssige faktorer. Nylige fremskridt har givet videnskabeligt bevis for, at hjerte-kar-sygdomme også kan tilskrives tarmmikrobiota. I mange litteraturer har vi fundet komplekse interaktioner mellem mikroorganismer, deres metabolitter og potentielle påvirkninger på udvikling og progression af hjerte-kar-sygdomme. Brugen af ​​tarmflora i behandlingen af ​​hjerte-kar-sygdomme er den seneste forskningsretning. Tarmmikrober vil sandsynligvis blive brugt i den kliniske behandling af hjerte-kar-sygdomme i den nærmeste fremtid.

Tarmfloraen spiller en vigtig rolle i menneskers sundhed og sygdomstransformation. Det deltager ikke kun i mange fysiologiske processer i værten, men påvirker også funktionen af ​​centralnervesystemet (CNS) gennem aktiviteten af ​​mikrobiota-tarm-hjerneaksen, som kan være nært beslægtet med neurotransmitter, immun, endokrine og metabolitter. veje. Når tarmfloraen er dysfunktionel, kan det påvirke forekomsten og udviklingen af ​​CNS-sygdomme som cerebral iskæmi, Parkinsons sygdom, Alzheimers sygdom, multipel sklerose, hepatisk encefalopati og psykiske lidelser. Fækal mikrobiel transplantation, træningstræning, akupunktur og massage og andre terapier kan forbedre tarmfloraforstyrrelser og forventes at blive effektive foranstaltninger til at behandle og forebygge nogle sygdomme i nervesystemet.

1. Udvælgelsesgrundlag for emner Baseret på elektrokardiogram, blodprøve eller B-ultrasonografi og andre undersøgelsesmetoder kombineret med kliniske manifestationer vil patienter, som af professionelle læger vurderes til at opfylde inklusionskriterierne i denne eksperimentelle protokol, blive inkluderet i studiekohorten til undersøgelse.
2. Dosisvalg/administrationsplan/dosisjusteringsgrundlag Denne undersøgelse involverede ikke interventionseksperimenter, og der var ingen dosisvalg/dosisregime/dosisjustering.
3. Grundlag for valg af destination Dette eksperiment er ikke et interventionsforsøg, så slutpunktet for dette eksperiment vælges efter forsøgspersonerne er diagnosticeret med relaterede sygdomme eller kontrolgruppen, og slutpunktet tages efter afslutningen af ​​prøveudtagningen.
4. Risiko- og fordelegrundlag For patienter med specifikke kardiovaskulære og cerebrovaskulære sygdomme opvejer fordelene ved dette forsøg langt risiciene. Dette eksperiment vil indsamle fækale prøver in vitro, som er en ikke-invasiv prøveindsamling, som ikke vil forårsage traumer for patienter og har høj sikkerhed. Dette projekt vil også indsamle perifere blodprøver fra patienter til undersøgelse. Processen med at indsamle blodprøver kan involvere smerter og andre reaktioner, men de operationer, der er involveret i denne undersøgelse, udføres alle af erfarne sygeplejersker og sygeplejersker for at minimere sådanne risici.

Dette eksperiment vil bidrage til forskningen i kardiovaskulære og nervesystemrelaterede sygdomme. Ved at belyse den molekylære mekanisme af tarmmikroorganismer, der regulerer kardiovaskulære sygdomme og nervesystemsygdomme, kan sygdomsrelaterede gener og biomarkører findes, fremme den nøjagtige diagnose af sygdomme, tilvejebringe mål for præcis behandling og forebyggelse af sygdomme og give målrettet regulering af strukturen og metabolitsammensætning af mikroorganismer. Forebyggelse og behandling af relaterede sygdomme.

Forskningsindhold

1. Testpopulation Dette projekt planlægger at bruge multi-omics big data (værtsgenom, transkriptom, metabolom, metagenomiske og metabetomiske data), kombineret med hjertekarsygdomskohorte (idiopatisk ventrikulær takykardi, restenose efter koronararteriestenting) og nervesystemsygdomskohorte (carotis) åreforkalkning, Moyamoyas sygdom), og bruge maskinlæring til at integrere data fra forskellige omics. At dykke dybere ned i mekanismerne for hjertekarsygdomme og tarmmikrobernes rolle i den. Hele processen forventes at involvere næsten 500 sekventeringsobjekter, forskellige omics-data (i alt titusindvis af prøver) og i alt give hundredvis af terabyte omics-data.
2. Prøvestørrelsesberegning Gennem litteraturforskning og klinisk big data-analyse kan der opnås pålidelige konklusioner med en eksperimentel kohorte på mere end 200 personer og en kontrolkohorte. Så de eksperimentelle data blev udvalgt fra en sygdomskohorte på 250 personer og en kontrolkohorte på 240 personer.
3. Specifikt forskningsindhold For det første skal der indsamles data, herunder blod- og afføringsprøver, fra kohorter af patienter med kardiovaskulære og neurologiske sygdomme og fra raske mennesker. Baseret på mængden af ​​data i publicerede artikler og forsøgets statistiske justeringsresultater forventes en estimeret sygdomskohorte på 250 personer og en sund kontrolkohorte på 240 personer. Samtidig blev detaljerede prøveoplysninger (herunder fysiske undersøgelsesdata og fænotypiske data såsom kostdata) registreret, så multi-omics-data kunne kombineres for at få indsigt i faktorer, der påvirker hjerte-kar-sygdomme.

For det andet blev genomet og transkriptomet af de indsamlede blodprøver sekventeret. For fækale prøver blev metagenomisk sekventering og metometabolisk og proteomisk sekventering udført.

For det tredje udføres databehandling af sekventerede gener, transkripter, metagenomer og metabetomer til multiomics-databehandling, og kombineret med sygdomskohorte udvælges nøglegener, der potentielt kan forårsage tilsvarende sygdomme, og tilsvarende mikrobielle data.

For det fjerde, for dataanalysetrinnet, baseret på kohorten af ​​hjerte-kar-sygdomme og neurologiske sygdomme, udføres associationsanalysen af ​​disse kandidatværtsgener og -bakterier ved at bruge maskinlæringsmetoder, og konstruktionen og fortolkningen af ​​relevante veje udføres i kombination med tidligere undersøgelser. Mekanismer og veje stiger til anerkendelse af mønstre for konstruktion af prædiktive modeller for tidlig sygdomsforebyggelse og sygdomsdiagnose.