Sydän- ja verisuoni- ja hermoston sairauksien ja suoliston mikrobiomin assosiaatioanalyysi, joka perustuu multiomiikka-bigdataan ja niihin liittyviin sovelluksiin

Mikrobiekosysteemi on monimutkainen vuorovaikutuksessa olevien bakteerien yhteisö. Suolistoflooran mahdollinen rooli ihmisten terveydelle on herättänyt laajaa huomiota. Suoliston mikrobiomin epätasapaino on osallisena monissa kroonisissa sairauksissa. Sydän- ja verisuonitaudit (CVD) ovat johtava sairastuvuuden aiheuttaja maailmanlaajuisesti, ja niihin vaikuttavat sekä geneettiset että ympäristötekijät. Viimeaikaiset edistysaskeleet ovat antaneet tieteellistä näyttöä siitä, että sydän- ja verisuonisairaudet voivat johtua myös suoliston mikrobiotosta. Monissa kirjallisuuksissa olemme havainneet monimutkaisia ​​vuorovaikutuksia mikro-organismien ja niiden metaboliittien välillä ja mahdollisia vaikutuksia sydän- ja verisuonitautien kehittymiseen ja etenemiseen. Suolistoflooran käyttö sydän- ja verisuonisairauksien hoidossa on uusin tutkimussuunta. Suolistomikrobeja tullaan todennäköisesti käyttämään lähitulevaisuudessa sydän- ja verisuonisairauksien kliinisessä hoidossa.

Suolistoflooralla on tärkeä rooli ihmisten terveydessä ja sairauksien muuttumisessa. Se ei vain osallistu moniin isännän fysiologisiin prosesseihin, vaan vaikuttaa myös keskushermoston (CNS) toimintaan mikrobiota - suolen - aivoakselin toiminnan kautta, joka voi olla läheistä sukua välittäjäaineelle, immuunijärjestelmälle, hormonitoiminnalle ja metaboliitille. polkuja. Kun suolistofloora on toimintahäiriöinen, se voi vaikuttaa keskushermoston sairauksien, kuten aivoiskemian, Parkinsonin taudin, Alzheimerin taudin, multippeliskleroosin, hepaattisen enkefalopatian ja mielenterveyshäiriöiden, esiintymiseen ja kehittymiseen. Ulosteen mikrobisiirrot, liikuntaharjoittelu, akupunktio ja hieronta sekä muut hoidot voivat parantaa suolistoflooran häiriöitä, ja niistä odotetaan muodostuvan tehokkaita toimenpiteitä joidenkin hermoston sairauksien hoidossa ja ehkäisyssä.

1. Kohteen valintaperusteet Elektrokardiogrammin, verikokeen tai B-ultraäänitutkimuksen ja muiden tutkimusmenetelmien sekä kliinisten ilmenemismuotojen perusteella potilaat, jotka ammattilääkärit arvioivat täyttäviksi tämän kokeellisen protokollan mukaanottokriteerit, sisällytetään tutkimuskohorttiin.
2. Annoksen valinta/antosuunnitelma/annoksen säätöperusteet Tähän tutkimukseen ei sisältynyt interventiokokeita, eikä annoksen valintaa/annostusohjelmaa/annoksen säätämistä ollut.
3. Kohteen valinnan perusteet Tämä koe ei ole interventiokoe, joten tämän kokeen loppupiste valitaan sen jälkeen, kun koehenkilöillä on diagnosoitu siihen liittyvät sairaudet tai kontrolliryhmä, ja loppupiste otetaan näytteenoton jälkeen.
4. Riski-hyötysuhde Potilaille, joilla on tiettyjä sydän- ja aivoverisuonisairauksia, tämän tutkimuksen hyödyt ovat huomattavasti riskejä suuremmat. Tässä kokeessa kerätään ulostenäytteitä in vitro, joka on ei-invasiivinen näytekokoelma, joka ei aiheuta traumaa potilaille ja jolla on korkea turvallisuus. Hankkeessa kerätään myös perifeerisiä verinäytteitä potilailta tutkimusta varten. Verinäytteiden ottoprosessiin voi liittyä kipua ja muita reaktioita, mutta kaikki tähän tutkimukseen liittyvät toimenpiteet ovat kokeneiden sairaanhoitajien ja sairaanhoitajien suorittamia tällaisten riskien minimoimiseksi.

Tämä kokeilu edistää sydän- ja verisuonisairauksien sekä hermostoon liittyvien sairauksien tutkimusta. Selvittämällä sydän- ja verisuoni- ja hermoston sairauksia säätelevien suoliston mikro-organismien molekyylimekanismia voidaan löytää sairauksiin liittyviä geenejä ja biomarkkereita, jotka edistävät sairauksien tarkkaa diagnoosia, tarjoavat tavoitteita sairauksien tarkalle hoidolle ja ennaltaehkäisyyn sekä tarjoavat kohdennettua rakenteen säätelyä. ja mikro-organismien metaboliittikoostumus. Lähisairauksien ehkäisy ja hoito.

Tutkimussisältö

1. Testipopulaatio Tässä hankkeessa on tarkoitus käyttää multi-omics big dataa (isäntägenomi, transkriptomi, metabolomi-, metagenomi- ja metabetominen tiedot) yhdistettynä sydän- ja verisuonisairauksien kohorttiin (idiopaattinen kammiotakykardia, restenoosi sepelvaltimon stentointivamman jälkeen) ja hermoston sairauskohorttiin (karotidi). ateroskleroosi, Moyamoyan tauti) ja käyttää koneoppimista erilaisten omikkien tietojen integroimiseen. Perehtyä syvemmälle sydän- ja verisuonitautien mekanismeihin ja suoliston mikrobien rooliin siinä. Koko prosessin odotetaan sisältävän lähes 500 sekvensointiobjektia, erilaista omiikkadataa (yhteensä kymmeniä tuhansia näytteitä) ja tuottavan yhteensä satoja teratavuja omiikkadataa.
2. Otoskoon laskeminen Kirjallisuustutkimuksen ja kliinisen big data -analyysin avulla voidaan tehdä luotettavia johtopäätöksiä yli 200 henkilön kohortilla ja kontrollikohortilla. Joten kokeelliset tiedot valittiin 250 ihmisen sairauskohortista ja 240 ihmisen kontrollikohortista.
3. Erityinen tutkimussisältö Ensinnäkin tiedot, mukaan lukien veri- ja ulostenäytteet, on kerättävä sydän- ja verisuonitauteja ja neurologisia sairauksia sairastavien potilasryhmistä sekä terveiltä ihmisiltä. Julkaistujen artikkeleiden tietomäärän ja tutkimuksen tilastollisten sopeutustulosten perusteella arvioidaan olevan 250 ihmisen sairauskohortti ja terveen 240 henkilön kontrollikohortti. Samanaikaisesti tallennettiin yksityiskohtaisia ​​näytetietoja (mukaan lukien fyysiset tutkimukset ja fenotyyppitiedot, kuten ruokavaliotiedot), jotta multi-omiikkatietoja voitiin yhdistää saadakseen käsityksen sydän- ja verisuonitauteihin vaikuttavista tekijöistä.

Toiseksi kerättyjen verinäytteiden genomi ja transkripti sekvensoitiin. Ulostenäytteille suoritettiin metagenominen sekvensointi sekä metometabolinen ja proteominen sekvensointi.

Kolmanneksi multiomiikkatiedonkäsittelyä varten suoritetaan sekvensoitujen geenien, transkriptien, metagenomien ja metabetomien tietojenkäsittely, ja yhdessä sairauskohortin kanssa valitaan avaingeenit, jotka mahdollisesti aiheuttavat vastaavia sairauksia ja vastaavat mikrobitiedot.

Neljänneksi, sydän- ja verisuonitautien ja neurologisten sairauksien kohorttiin perustuvassa data-analyysivaiheessa näiden ehdokasisäntägeenien ja -bakteerien assosiaatioanalyysi suoritetaan koneoppimismenetelmiä käyttäen ja asiaankuuluvien polkujen rakentaminen ja tulkinta suoritetaan yhdistelmänä. aikaisempien opintojen kanssa. Mekanismit ja reitit johtavat mallien tunnistamiseen ennustemallien rakentamiseksi sairauksien varhaiseen ehkäisyyn ja diagnosointiin.