멀티오믹스 빅데이터 및 관련 응용을 기반으로 한 심혈관 및 신경계 질환과 장내 미생물의 연관성 분석

미생물 생태계는 상호 작용하는 박테리아의 복잡한 공동체입니다. 인간 건강에서 장내 세균총의 잠재적인 역할은 광범위한 관심을 끌었습니다. 장내 미생물군집의 불균형은 다양한 만성 질환과 관련되어 있습니다. 심혈관 질환(CVD)은 전 세계적으로 질병의 주요 원인이며 유전적 요인과 환경적 요인 모두의 영향을 받습니다. 최근의 발전은 심혈관 질환이 장내 미생물군에 기인할 수도 있다는 과학적 증거를 제공했습니다. 많은 문헌에서 우리는 미생물과 그 대사산물 사이의 복잡한 상호작용, 그리고 심혈관 질환의 발달과 진행에 대한 잠재적 영향을 발견했습니다. 심혈관 질환 치료에 장내 세균총을 활용하는 것이 최신 연구 방향입니다. 장내 미생물은 가까운 미래에 심혈관 질환의 임상 치료에 사용될 가능성이 높습니다.

장내 세균총은 인간의 건강과 질병 변화에 중요한 역할을 합니다. 이는 숙주의 많은 생리학적 과정에 참여할 뿐만 아니라 신경전달물질, 면역, 내분비 및 대사산물과 밀접하게 관련될 수 있는 미생물군 - 장 - 뇌 축의 활동을 통해 중추신경계(CNS) 기능에 영향을 미칩니다. 통로. 장내 세균총에 이상이 생기면 뇌허혈, 파킨슨병, 알츠하이머병, 다발성 경화증, 간성뇌증, 정신질환 등 중추신경계 질환의 발생과 발달에 영향을 미칠 수 있다. 분변 미생물 이식, 운동 훈련, 침술 및 마사지 등의 치료법은 장내 세균총 장애를 개선할 수 있으며 일부 신경계 질환을 치료 및 예방하는 효과적인 방법이 될 것으로 기대됩니다.

1. 피험자 선택 기준 심전도, 혈액 검사 또는 B-초음파 검사 및 기타 검사 방법과 임상 증상을 결합하여 전문 의사가 본 실험 프로토콜의 포함 기준을 충족한다고 판단한 환자를 연구 코호트에 포함시킵니다.
2. 용량선택/투여계획/용량조정근거 본 연구는 중재실험을 포함하지 않았으며 용량선택/투여요법/용량조정은 없었다.
3. 대상 선정 기준 본 실험은 중재실험이 아니므로 피험자에게 관련 질병 진단을 받거나 대조군을 대상으로 한 후 실험의 종료점을 선택하고, 샘플링이 완료된 후 종료점을 정한다.
4. 위험 및 혜택 기준 특정 심혈관 및 뇌혈관 질환이 있는 환자의 경우 이 시험의 혜택이 위험보다 훨씬 큽니다. 이번 실험은 체외에서 분변 시료를 채취하는 비침습적 시료 채취 방식으로 환자에게 외상을 주지 않으며 안전성이 높다. 이 프로젝트는 또한 연구를 위해 환자로부터 말초 혈액 샘플을 수집합니다. 혈액 샘플을 채취하는 과정에는 통증 및 기타 반응이 포함될 수 있지만, 본 연구에 관련된 수술은 이러한 위험을 최소화하기 위해 모두 경험이 풍부한 간호사와 간호사에 의해 수행됩니다.

본 실험은 심혈관 및 신경계 관련 질환 연구에 기여할 것입니다. 심혈관 및 신경계 질환을 조절하는 장내 미생물의 분자적 메커니즘을 밝혀 질병 관련 유전자 및 바이오마커를 찾아 질병의 정확한 진단을 촉진하고, 질병의 정밀한 치료 및 예방을 위한 목표를 제시하며, 구조의 표적화된 조절을 제공합니다. 및 미생물의 대사산물 조성. 관련 질병의 예방 및 치료.

연구 내용

1. 시험 모집단 본 프로젝트에서는 심혈관 질환 코호트(특발성 심실성 빈맥, 관상동맥 스텐트 손상 후 재협착증) 및 신경계 질환 코호트(경동맥)를 결합하여 다중 오믹스 빅데이터(숙주 게놈, 전사체, 대사체, 메타게놈 및 대사체 데이터)를 사용할 계획입니다. 죽상동맥경화증, 모야모야병), 머신러닝을 사용하여 다양한 오믹스의 데이터를 통합합니다. 심혈관 질환의 메커니즘과 장내 미생물의 역할을 더 깊이 탐구합니다. 전체 프로세스에는 거의 500개의 시퀀싱 개체, 다양한 오믹스 데이터(총 수만 개의 샘플)가 포함되어 총 수백 테라바이트의 오믹스 데이터가 생성될 것으로 예상됩니다.
2. 표본 크기 계산 문헌 연구와 임상 빅데이터 분석을 통해 200명 이상의 실험 코호트와 대조 코호트를 통해 신뢰성 있는 결론을 얻을 수 있습니다. 그래서 실험 데이터는 질병 코호트 250명과 대조 코호트 240명에서 선정됐다.
3. 구체적인 연구 내용 첫째, 심혈관 및 신경질환 환자 코호트와 건강한 사람으로부터 혈액, 대변 검체 등의 데이터를 수집해야 한다. 게재된 논문의 데이터량과 임상시험의 통계적 조정 결과를 바탕으로 추정 질병 코호트 250명, 건강 대조 코호트 240명이 예상된다. 동시에 상세한 샘플 정보(신체검사 데이터, 다이어트 데이터 등 표현형 데이터 포함)를 기록해 멀티오믹스 데이터를 결합해 심혈관 질환에 영향을 미치는 요인에 대한 인사이트를 얻을 수 있도록 했다.

둘째, 수집된 혈액 샘플의 게놈과 전사체의 서열을 분석했습니다. 대변 ​​샘플의 경우, 메타게놈 서열분석과 대사대사 및 단백질체 서열분석을 수행했습니다.

셋째, 멀티오믹스 데이터 처리를 위해 Sequenced gene, Transcript, Metagenome, Metabetome의 데이터 처리를 수행하고 질병 코호트(Disease Cohort)와 결합하여 해당 질병을 일으킬 가능성이 있는 핵심 유전자와 해당 미생물 데이터를 선별한다.

넷째, 데이터 분석 단계에서는 심혈관 질환 및 신경계 질환 코호트를 기반으로 이들 후보 숙주 유전자와 세균의 연관성 분석을 머신러닝 기법을 이용하여 수행하고, 관련 경로의 구축 및 해석을 복합적으로 수행한다. 이전 연구와 함께. 메커니즘과 경로는 조기 질병 예방 및 질병 진단을 위한 예측 모델 구축을 위한 패턴 인식으로 이어집니다.