发表期刊：naturemedicine

发表时间：

影响因子：82.9

DOI:10./s---2

研究背景

研究方法

本研究依托年广东省居民慢性阻塞性肺疾病（慢阻肺）流行病学调查项目，对广东省6个城市/地区，18个社区，36个居委会，共3,余居民进行了问卷调查、肺功能检查、身体测量，并进行了诱导痰样本的采集。对诱导痰样本进行了严格的质控及微生物组分析，共获取了呼吸道细菌16SrRNA基因扩增子1,例、真菌ITS扩增例、宏基因组1,例。

主要结果

在所有环境和宿主因素中，地理区域对五种类型的微生物组丰度值（细菌、真菌、宏基因组KOs功能、抗生素抗性基因和毒力因子）的变化贡献最大，对微生物组的影响平均比吸烟高10.9倍（图2b）。吸烟主要与细菌群落相关，而PM2.5浓度与真菌群落的相关性最强（图2b）。居住在同一社区、同一街道、同一区与不同区的个体的微生物群具有显著差异（图2c）。共有25个宿主和环境因素与地区显著相关（图2d，P0.05），同时，方差分解分析结果表明，菌群的地区差异可由相关宿主及环境因素所解释（图2d）。

关联分析结果表明，微生物组特征与环境暴露因素（吸烟、生物燃料、职业污染、PM2.5浓度和二手烟）、肺功能、呼吸道症状之间存在项显著关联性。单个细菌类群与吸烟有很强的相关性（图3a），与非吸烟者相比，吸烟者的奇异菌属含量最显著，其次是放线菌属和普氏菌属。在暴露和健康结果中，在校正地区和人口混杂因素后，吸烟和PM2.5浓度与FEV1/FVC显著负相关，而生物燃料、职业污染和二手烟与CAT评分显著正相关（图3b）。

为了测试呼吸道微生物组是否可以介导暴露因素及其相关的健康结果（正向中介，forwardmediation），本研究对于这些重要的暴露-健康结果关联，进行了双向中介效应模型分析。结果表明，数量更多的呼吸道微生物组都参与了正向中介（n=66）（图3c），并且在敏感性分析中，66个正向中介因素的影响对可能存在的未测量的混杂因素相对稳健。大多数微生物组特征被推断为介导FEV1/FVC与吸烟和PM2.5浓度之间的关联（图3c）。

本研究进一步探讨了呼吸道微生物组与环境暴露因素之间与健康结果相关的相互作用。在所有暴露结果对中，细菌微生物群被推断与职业污染和CAT评分相互作用，基于扩增子或宏基因组数据，职业污染与细菌PCo1（第一主成分）之间存在显著的相互作用（图4a）。具体而言，与其他个体相比，职业污染与细菌PCo1阳性个体的CAT评分显著升高相关（图4b）。在细菌种属分类中，Neisseria是唯一具有同暴露与呼吸道症状具有显著相互作用的菌属，且其同菌群第一主成分显著相关。在对Neisseria进行分型的两组人群中，呼吸道症状评分与污染暴露之间的联系存在明显的差异。相对于Neisseria-low亚群，在受到污染暴露的影响下，Neisseria-high亚群的呼吸道症状风险增加了2.25倍（图4b）。

与较高的呼吸道症状负担相结合，职业污染与Neisseria-high亚群中所有微生物组特征的较大变化有关，尤其是真菌类群（图4c）。职业污染暴露可能通过真菌菌群中曲霉（Aspergillus）丰度的增加发挥作用（图4c）。

本研究开发了呼吸道微生物组健康指数（AirwayMicrobiomeHealthIndex，AMHI），使用改进的肠道微生物组健康指数（GMHI）算法来适应本研究的数据集（图5a）。该指数同时纳入了呼吸道细菌和真菌的特征，评估结果表明，结合细菌分类群和真菌分类群比单独使用任何一个分类群的性能更高（图5b）。使用扩增子数据计算的AMHI，该数据基于22个细菌属和63个真菌属，与健康人群相比，所有地区，所有呼吸道疾病和一些非呼吸道疾病的疾病人群的AMHI持续下降（图5b）。

为了验证该指数的普适性和稳健性，研究人员还将基于他们的研究数据计算出的AMHI指数应用到全球公共呼吸道微生物组数据集中。他们发现，在不同公共数据集的疾病人群中相对于健康人群，AMHI指数呈现一致的下降趋势。而且，在一些研究所涉及的疾病组和健康组之间，AMHI指数的差异也是显著的，提示该评分具有一定的普适性。

本研究将肺功能正常但经历过至少一种暴露因素并有记录的呼吸道症状（咳嗽、呼吸困难、痰或喘息，或CAT评分≥10）的个体被定义为处于COPD或COPD前的“风险”阶段，从建康个体、pre-COPD个体到COPD个体的AMHI持续下降（图6a），同时网络图表明，从健康的COPD前期个体到COPD个体，细菌和真菌的相互作用明显增大。模块分析显示，两个细菌-细菌和两个真菌-真菌的相互作用模块在所有三组中都很保守（图6b），并COPD中发现了存在细菌和真菌互作模块的融合。

为了确定组间交互组转移的驱动分类群，计算了每个节点的NetMoss得分（方法）。其中，变形菌门有助于驱动建康人群到COPD前期人群菌群的网络变化，而拟杆菌门是唯一推动COPD前期向COPD过渡的细菌（图6c）。基于呼吸道细菌和真菌的个体化健康指数和互作网络可能为早期慢阻肺的发生提供潜在新型标识物。

研究结论

综上所述，该研究通过大规模人群呼吸道菌群分析，揭示了环境污染暴露通过呼吸道菌群影响呼吸健康的可能方式。吸烟和较高的PM2.5浓度均与与肺功能损害相关，通过对细菌和真菌群落的影响而发挥作用。“环境暴露-呼吸道菌群-健康指标”的交互作用可为环境污染暴露对人体呼吸健康的影响提供潜在的菌群风险因子。本研究成功开发了一种基于微生物菌群的个性化健康指数（AMHI），AMHI随着污染暴露、呼吸道症状及呼吸疾病发生同步变化，可指示个体受污染暴露所导致的潜在呼吸健康风险。与此同时，AMHI在全球公共呼吸道菌群数据中得到进一步验证，具有普适性。研究为基于呼吸道菌群的环境污染暴露风险分层及靶向呼吸道菌群的风险预防提供了科学依据。

参考文献

Theairwaymicrobiomemediatestheinteractionbetweenenvironmentalexposureandrespiratoryhealthinhumans.naturemedicine,.