Einführung
Depressionen sind ein ernstes Gesundheitsproblem mit weltweit hoher Inzidenz;1 der Mechanismus ihres Auftretens und ihrer Entwicklung ist jedoch nach wie vor unklar. Jüngste Studien deuten darauf hin, dass die Mikroben-Darm-Hirn-Achse die Stimmung und das Verhalten des Menschen auf vielfältige Weise beeinflussen kann. Durch die Interaktion mit dem Vagusnerv, die direkte Veränderung der Funktion des zentralen Nervensystems, die Beeinflussung des Darmnervensystems, die Veränderung der Plastizität des Gehirns,2 die Aktivierung des Immunsystems und noch auf weitere Weise,3,4 können diese bedingten pathogenen Bakterien die Krankheit verursachen. Es wurden immer mehr Beweise gefunden, die zu der Annahme führen, dass der Zusammenhang zwischen Darmmikrobiota und Depression signifikant ist.
Im Falle des Depressionsmodells bei Mäusen wurde festgestellt, dass die Veränderungen der Darmmikrobiota und des fäkalen metabolischen Phänotyps durch 16S rRNA-Sequenzierung und Forschungsmethoden auf der Grundlage von Flüssigchromatographie-Massenspektrometrie-Metabolomik mit Depression korrelieren.5 Darüber hinaus haben drei Studien gezeigt, dass keimfreie Mäuse mehr depressionsähnliches Verhalten zeigten, nachdem ihnen die Darmmikrobiota von depressiven Menschen transplantiert worden war.6-8 Diese Tierversuche legen nahe, dass eine Störung der Darmmikrobiota Depressionen verursachen kann. Darüber hinaus können die zunehmenden Beweise für eine kontinuierliche Entzündungsreaktion des Immunsystems auf niedrigem Niveau im pathologischen Prozess der Depressionsentwicklung nicht ignoriert werden,5,9 da die Quelle dieser Entzündungsreaktion des Immunsystems wahrscheinlich mit einer Störung der Darmmikrobiota zusammenhängt. Erstens können die Firmicutes-Bakterien in der Darmmikrobiota Kohlenhydrate zu einer Vielzahl von kurzkettigen Fettsäuren (SCFAs) vergären,10 und der Mangel an diesen SCFAs kann zu einer verminderten Darmbarrierefunktion führen.11 Wenn dann viele bedingte Krankheitserreger und ihre Metaboliten im Darmtrakt die Barriere überwinden und die Immunreaktion stimulieren, entsteht das „Darmleck“, das das Auftreten und die Entwicklung der Krankheit beeinflussen kann.12 Dies kann durch die Studie von Yu et al. unterstützt werden, die zeigte, dass es bei depressiven Mäusen eine signifikante Abnahme der Firmicutes gab.13 In einer anderen Studie wurde ebenfalls ein signifikanter Zusammenhang zwischen stressbedingten Verhaltensänderungen bei Mäusen und der Störung der Firmicutes in der Darmmikrobiota festgestellt.14 Bei Patienten mit entzündlichen Darmerkrankungen (IBD) ist der Anteil von Faecalibacterium prausnitzii an den Firmicutes minimal, und die Abnahme des Anteils der Bakterien wurde mit der Abnahme der Schutzfunktion der Darmschleimhaut in Verbindung gebracht.15 Diese Studien deuten darauf hin, dass Firmicutes als Schutzfaktor des Darms weiter erforscht werden sollten.
Es ist zu beobachten, dass Firmicutes und Bacteroidetes immer noch zwei Hauptschwerpunkte in den Studien zum Thema Darmmikrobiota und Depression beim Menschen sind. Auf verschiedenen Ebenen wurden gewisse Unterschiede in der Darmmikrobiota zwischen Patienten und der gesunden Kontrollgruppe (HC) nachgewiesen, aber die Ergebnisse der Studien zu Firmicutes sind uneinheitlich. In der Studie von Jiang et al.16 wurde eine signifikante Abnahme der Firmicutes festgestellt. In drei anderen Studien wurde jedoch kein offensichtlicher Unterschied bei den Firmicutes auf Stammebene festgestellt.6 Darüber hinaus wurden einige mit Firmicutes assoziierte Bakterien auf niedrigeren Ebenen stark reduziert, während andere eine gewisse Zunahme aufwiesen. Die Widersprüchlichkeit dieser Ergebnisse könnte auf folgende Faktoren zurückzuführen sein: 1) Die HC-Referenzgruppe war nicht völlig normal. 2) Der individuelle Gesundheitszustand der rekrutierten Patienten war unterschiedlich. 3) Die Altersspanne der Patienten in diesen Studien war unterschiedlich. 4) Die Auswirkungen einer entsprechenden Behandlung. 5) Unterschiede in der Ernährung zwischen typischen Symptomen und atypischen Symptomen der Depression. Obwohl die Ergebnisse verschiedener Studien widersprüchlich sind, kann die Störung der Firmicutes immer noch als eines der Merkmale von Patienten mit Depressionen angesehen werden.
Um einen sichereren Zusammenhang zwischen der Störung der Firmicutes und dem Auftreten und der Entwicklung von Depressionen zu erforschen, haben wir die Einschlusskriterien angepasst, um die mögliche Beeinflussung der Darmmikrobiota durch die oben genannten Faktoren besser einzuschränken und so die in früheren Studien aufgetretenen Widersprüche zu vermeiden. Unser Ziel ist es, die Veränderungen der Firmicutes bei Patienten mit Depressionen und die damit verbundenen Auswirkungen zu klären.
Materialien und Methoden
Teilnehmer
Diese Studie wurde von der Ethikkommission des Sechsten Krankenhauses der Universität Peking und des Pekinger Krankenhauses für traditionelle und westliche chinesische Medizin genehmigt. Die klinischen Daten wurden im Pekinger Krankenhaus für traditionelle und westliche chinesische Medizin erhoben. Alle Probanden unterschrieben vor der Teilnahme ihre schriftliche Einverständniserklärung. Die klinischen Informationen und die Probenentnahme wurden nach Einholung der informierten Zustimmung aller Probanden durchgeführt, und das gesamte Verfahren entsprach den Richtlinien der Deklaration von Helsinki.
Wir rekrutierten die Probanden nach neu gestalteten Einschlusskriterien, die sich an früheren Studien orientierten.6,8,16-18 Einige Anpassungen wurden entsprechend den spezifischen medizinischen Standards in der Region Peking vorgenommen. Vom 30. März bis zum 30. Juni 2018 rekrutierten wir 30 Patienten mit Depressionen, von denen 27 die Studienkriterien erfüllten und die Gruppe der Patienten mit schweren depressiven Störungen (MDD) bildeten; anschließend wurden 27 gesunde Probanden entsprechend dem Alter und Geschlecht der MDD-Gruppe als HC-Gruppe ausgewählt. Beide Gruppen sind Han-Chinesen, die seit langem in Peking leben, keine besonderen Ernährungsgewohnheiten haben und deren BMI zwischen 18 und 30 kg/m2 liegt. Die MDD-Gruppe erfüllte die diagnostischen Kriterien der ICD-10 MDD; sie befand sich in der ersten Episode und erhielt keine systemische antidepressive Behandlung. Depressive Episoden, die durch organischen oder Substanzmissbrauch verursacht wurden, und solche mit atypischen Merkmalen wurden ausgeschlossen. Die HC-Gruppe wurde von zwei zertifizierten Ärzten begutachtet, um andere psychische Erkrankungen auszuschließen.
Darüber hinaus haben wir die Ausschlusskriterien strenger gefasst, indem wir die in früheren Untersuchungen angewandten Ansätze sorgfältig geprüft haben19. Wir überprüften die von den Probanden angegebenen medizinischen Daten, und keiner der folgenden Probanden wurde in diese Studie aufgenommen: 1) Sie litten in den letzten drei Monaten an einer anderen chronischen Krankheit, die die Stabilität der Darmmikrobiota beeinträchtigen könnte, wie Bluthochdruck, Diabetes mellitus, metabolisches Syndrom, Immunschwäche, Autoimmunerkrankung, Krebs, IBD, Durchfall; 2) Sie hatten in den letzten sechs Monaten Medikamente eingenommen, die die Darmmikrobiota beeinträchtigen, wie Antibiotika, Glukokortikoide, Zytokine, hohe Dosen von Probiotika und biologischen Wirkstoffen, usw; 3) in den letzten 6 Monaten eine Gastroskopie, Koloskopie oder Bariummahlzeit im Verdauungstrakt durchgeführt wurde; 4) Personen, die in den letzten 5 Jahren eine größere gastrointestinale Operation (Cholezystektomie, Appendektomie und Darmtraktresektion) hatten; 5) Personen mit eingeschränkter Bewegungsfähigkeit aufgrund einer schweren körperlichen oder psychischen Erkrankung; 6) Personen, die in den letzten 6 Monaten eine signifikante Ernährungsumstellung erfahren hatten; und 7) Frauen in der Schwangerschaft.
Erhebung der klinischen Daten
Wir erfassten die allgemeinen Daten aller Probanden mittels Fragebögen. Zu den allgemeinen Informationen gehören Alter, Geschlecht, Rasse, Größe, Gewicht, medizinische Vorgeschichte, Drogenanamnese, Raucheranamnese und Trinkeranamnese.
16S rRNA-Amplifikation und Sequenzierung
Die Fäkalproben der Teilnehmer wurden von ihnen selbst in sterile Behälter gegeben und von einem Spezialisten im Fäkalzentrum gesammelt. Alle 54 frischen Fäkalproben wurden vor der DNA-Extraktion bei -80°C gelagert. Die DNA wurde aus 200 mg Kotproben mit dem PowerSoil DNA Kit (Missouri Biotechnology Association, Jefferson, MO, USA) extrahiert und gemäß den Anweisungen des Herstellers verarbeitet. Die V3-V4-Region der 16S rRNA wurde mit den universellen Primerpaaren 341F (5′-GGACTACHVGGGTWTCTAAT-3′) und 805R (5′-ACTCCTACGGAGGCAGCAG-3′) von KAPA HiFi HotStart ReadyMix (KAPA Biosystems, Inc., Wilmington, MA, USA) amplifiziert und beobachtet. Den Primern der verschiedenen Proben wurden eindeutige 8-nt-Barcodes hinzugefügt. Die PCR wurde unter folgenden Zyklusbedingungen durchgeführt: 95°C für 5 Minuten, 20 Zyklen von 98°C für 20 Sekunden, 58°C für 30 Sekunden, 72°C für 30 Sekunden und 72°C für 5 Minuten. Zu den 50 μl PCR-Reaktionen wurden 10 pmol Primer und 100 ng Templates zugegeben, die PCR wurde in dreifacher Ausführung durchgeführt und die PCR-Produkte wurden gepoolt. Das QIAquick Gel Extraction Kit (QIAGEN, Hilden, Deutschland) wurde verwendet, um DNA-Segmente in der richtigen Größe zu selektieren. Alle ausgewählten DNA-Segmente wurden im Paired-End-Modus mit Illumina HiSeq2500 im Novogene Bioinformatics Institute, Beijing, China, sequenziert.
Statistische Analysen
Demografische Analyse
Das SPSS 23.0 Statistikpaket für Windows wurde für die Datenanalyse verwendet. Demografische Daten und klinische Merkmale wurden zwischen den Gruppen verglichen. Kontinuierliche Variablen wurden mit dem t-Test für unabhängige Stichproben untersucht. Das Signifikanzniveau wurde auf 0,05 (two-tailed) festgelegt.
Analyse der Sequenzierungsdaten
Raw reads wurden mit seqtk (https://github.com/lh3/seqtk) demultiplexiert. Paired-End-Reads wurden mit FLASH fusioniert und mit Trimmomatic qualitätsgefiltert: Paare mit >15 nt Überlappung wurden fusioniert;20,21 fusionierte Sequenzen wurden getrimmt, wenn der durchschnittliche Qualitätsscore über ein 4-Basen-Fenster <20 war, und Sequenzen mit mehrdeutigen Basen oder <400 bp wurden entfernt. Alle qualifizierten Sequenzen wurden gepoolt und operative taxonomische Einheiten (OTUs) wurden mit dem Skript pick_open_reference_otus.py aus QIIME 1.9.1,22 ausgewählt, und Chimären wurden durch Alignment von Sequenzen an der „goldenen“ Referenzdatenbank mit UCHIME entfernt. Die OTU-Sequenzen wurden mithilfe von assign_taxonomy.py aus QIIME einer Taxonomie zugeordnet. Alle repräsentativen Sequenzen (OTUs) wurden unter Verwendung des UCLUST-Algorithmus mit 97 % Identität auf die Greengenes-Datenbank23 abgebildet.24 Repräsentative Sequenzen wurden mit mafft ausgerichtet25 , und der phylogenetische Baum wurde mit FastTree unter Verwendung von QIIME erstellt.26 Singletons und OTUs, die nur in einer Probe vorkommen, wurden entfernt, und die OTU-Tabelle wurde mit QIIME verdünnt.
ACE, Chao1 und Shannon-Diversitätswerte wurden mit Vegan berechnet,27 und statistische Tests wurden mit R durchgeführt.28 Die phylogenetische Diversität von Faith wurde mit alpha_diversity.py und compare_alpha_diversity.py von QIIME analysiert. Ungewichtete und gewichtete Unifrac-Distanzen wurden mit beta_diversity.py aus QIIME berechnet, und die Hauptkoordinatenanalyse (PCoA) wurde mit R durchgeführt. Der Signifikanztest der phylogenetischen Vielfalt von Faith wurde mit dem Monte-Carlo-Permutationstest in QIIME durchgeführt, und alle anderen Signifikanztests wurden mit dem Wilcoxon-Test in R durchgeführt.
Taxonomische Biomarker der HC- und MDD-Gruppen wurden mit LEfSe (lineare Diskriminanzanalyse Effektgröße) analysiert, und die Taxa mit P-Wert <0,01 und LDA-Score >2,0 wurden als Biomarker ausgewählt. Das Metagenom funktionelle Profilierung wurde mit PICRUSt,29 vorhergesagt und die de novo OTUs wurden vor der funktionellen Profilierung Vorhersage nach dem Handbuch von PICRUSt entfernt. vorhergesagte KOs (KEGG Orthologie) und Wege wurden mit STAMP,30 und P-Wert <0 analysiert.01 wurde verwendet, um unterschiedliche KOs und Pfade zwischen HC- und MDD-Proben herauszufinden.
Ergebnisse
Demografische Daten und klinische Merkmale der Probanden
Wir rekrutierten insgesamt 54 Probanden, darunter 27 Patienten mit MDD und 27 HCs; beide Gruppen hatten das gleiche Verhältnis von Männern zu Frauen von 7:20. Das Durchschnittsalter der Patientengruppe lag bei 48,7±12,8 Jahren, das der HCs bei 42,3±14,1 Jahren. Wie die Tabelle zeigt, gab es keinen signifikanten Unterschied in Alter, Größe, Gewicht und BMI zwischen den beiden Gruppen (Tabelle 1).
  |
Tabelle 1 Demographische und klinische Merkmale |
OTU-Picking
Die Rohsequenzierungs-Lesepaare der Proben reichen von 11.015 bis 1.035.838, und die Länge der Reads beträgt 250 bp. Nach dem Zusammenführen von Lesepaaren, der Qualitätsfilterung und dem OTU-Clustering liegen die verfügbaren Sequenzen der Proben zwischen 3.505 und 662.238. Die Nutzungsrate der gesamten Reads beträgt 52,26 %. Nach der Auswahl der OTUs und der taxonomischen Zuordnung wurden 2.888 OTUs aus allen Sequenzen ausgewählt, und 183 bekannte Taxa wurden identifiziert.
Untere Darmmikrobiota-Diversität bei MDD-Patienten
Unsere Ergebnisse zeigen, dass die Alpha-Diversitätsindizes von HC höher sind als die von MDD-Patienten (Abbildung 1). Die Diversitätsindizes Chao1 und ACE können zur Bewertung des Artenreichtums von Proben verwendet werden. Diese beiden Indizes sind bei HC signifikant höher als bei MDD (P<0,0008, Wilcox-Test), was darauf hindeutet, dass die Artenvielfalt bei gesunden Menschen größer ist. Der Shannon-Index kann zur Schätzung der Artenvielfalt und des Artenreichtums einer Probe herangezogen werden und ist bei HC signifikant höher als bei MDD-Proben (P=0,003, Wilcox-Test), was darauf hinweist, dass gesunde Menschen eine höhere Artenvielfalt aufweisen. Der phylogenetische Diversitätsindex von Faith kann verwendet werden, um die phylogenetische Diversität der Arten innerhalb einer Probe zu schätzen, und auch dieser Index ist bei HC signifikant höher als bei MDD-Proben (P=0,04, Monte-Carlo-Permutationstest). All dies deutet darauf hin, dass die Vielfalt der Darmmikrobiota bei Menschen mit MDD deutlich geringer ist als bei Menschen mit HC. Die PCoA-Darstellung auf der Grundlage der gewichteten Unifrac-Distanz zeigt ebenfalls, dass sich die Proben von MDD und HC in ihrem Gemeinschaftsprofil deutlich unterscheiden (Abbildung 2). Nach der taxonomischen Zuordnung sind Bacteroides und Firmicutes die beiden Phyla mit der höchsten relativen Häufigkeit sowohl in HC- als auch in MDD-Proben, die zusammen 92 % relative Häufigkeit in HC-Proben und 90 % in MDD-Proben ausmachen (Abbildung 3A). Ein weiterer großer Unterschied zwischen HC- und MDD-Proben ist der prozentuale Anteil des Firmicutes-Stammes (Abbildung 3B). Die durchschnittliche relative Häufigkeit von Firmicutes in HC-Proben beträgt 43,46 %, während sie in MDD-Proben nur 28,72 % beträgt (P=0,00016, Wilcox-Test).
 |
Abbildung 1 Alpha-Diversität von HC- und MDD-Proben. |
 |
Abbildung 2 Beta-Diversität von HC und MDD. |
 |
Abbildung 3 Taxa in Phylum-Ebene von HC und MDD. |
Die taxonomischen Biomarker in HC gehören alle zu Firmicutes
Insgesamt wurden 13 taxonomische Biomarker mit einem P-Wert <0.01 (Kruskal-Wallis-Test) und LDA-Score (log 10) >2,0, von denen sieben in HC und sechs in MDD angereichert sind (Abbildung 4). Die sechs Biomarker in HC stammen alle aus Firmicutes, einschließlich Lachnospiraceae, Ruminococcaceae, Coprococcus, Blautia, Clostridiaceae und Dorea. Die sechs in MDD angereicherten Biomarker stammen aus Proteobakterien (Oxalobacter und Pseudomonas) und Firmicutes (Parvimonas, Bulleidia, Peptostreptococcus und Gemella).1 Dies lässt darauf schließen, dass Firmicutes das wichtigste Phylum ist, das mit Depressionen korreliert.
 |
Abbildung 4 Taxonomische Biomarker bei HC und MDD. |
Funktionsprofilvorhersage
Elf KEGG-Pfade sind bei MDD angereichert (P<0.01, Welch’s t-test), darunter Lipopolysaccharid-Biosynthese, Ubichinon- und andere Terpenoid-Chinon-Biosynthese, Glykosaminoglykan-Abbau, Glykosphingolipid-Biosynthese, Toluol-Abbau, zelluläre Antigene, Proteinverdauung und -absorption, Steroidhormon-Biosynthese, Liponsäure-Stoffwechsel. Sechs Stoffwechselwege sind bei HC angereichert, darunter Sporulation, bakterielle Motilitätsproteine, bakterielle Chemotaxis, Nitrotoluolabbau, Keimung, Synthese und Abbau von Ketonkörpern (Abbildung 5). Diese Veränderungen der Mikrobiota bei MDD-Patienten und die Auswirkungen auf die Metaboliten könnten in künftigen Studien weiter untersucht werden.
 |
Abbildung 5 Vorhergesagte unterschiedliche KEGG-Signalwege bei HC und MDD. |
Diskussion
Firmicutes machen etwa 40%-65% der Kolon- oder fäkalen Mikrobiota aus. Nach den Ergebnissen früherer 16S rRNA-Sequenzierungen umfasst die dominante Flora drei große Clostridium-Cluster (IV, IX und XIV), während andere Cluster eine geringere Abundanz aufweisen.10 In unserer Studie zeigt sich, dass der Gesamtgehalt an Firmicutes bei Patienten mit Depressionen signifikant niedriger war als in der gesunden Gruppe; dies steht im Einklang mit den Ergebnissen von Jiang et al.16 Auf der Ebene der Gattungen fielen die signifikant reduzierten Firmicutes-Gattungen hauptsächlich in drei Familien, nämlich die Fäkalibakterien der Ruminococcaceae und der Dorea, während Coprococcus der Lachnospiraceae den signifikantesten Unterschied aufweisen (P<0,001). Diese Gattungen gehören zum Clostridium-Cluster IV bzw. XIVa und können verschiedene Kohlenhydrat-Substrate verstoffwechseln, um verschiedene SCFAs wie Acetat, Butyrat und Laktat zu bilden.10 Die Verringerung dieser mit der Fermentation verbundenen Bakterien führt zu einem Rückgang der Produktion von SCFAs, was wiederum zu einer Störung der Darmbarriere führt.11 Diese natürliche Barrierefunktion wird geschwächt, zahlreiche antigene Substanzen werden freigesetzt, und der geschwächte Darmtrakt wird zur Quelle von Entzündungen.
Vorangegangene Studien betonten, dass im Darm produzierte SCFAs eine wichtige Rolle bei der Verbesserung chronischer Entzündungskrankheiten und der Förderung von Dickdarmepithelzellen spielen. Es wurde berichtet, dass SCFAs die Produktion von proinflammatorischen Zytokinen hemmen, die IL-10-Expression steigern, regulatorische T-Zellen (Tregs) aktivieren und Kolonentzündungen lindern können.31,32 Zu den SCFAs gehören vor allem Acetat, Propionat und Buttersäure, die erhebliche Auswirkungen auf die Proliferation, die Differenzierung und den Stoffwechsel von Darmepithelzellen haben. Butyrat kann nicht nur Energie für das lange Epithel liefern, sondern auch die Darmbarriere stärken. Darüber hinaus kann Buttersäure auch eine Rolle bei der immunregulierenden Hemmung des Zellzyklus, der Auslösung des programmierten Zelltods und der Zelldifferenzierung in verschiedenen Zelltypen spielen. Jüngste Erkenntnisse deuten darauf hin, dass Butyrat und Propionat bei der Regulierung der Foxp3+-Produktion von Tregs eine Schlüsselrolle spielen, während Tregs eine wichtige Rolle bei der Unterdrückung von Entzündungsreaktionen spielen.33 Da die meisten Buttersäure produzierenden Bakterien zu den Firmicutes gehören,11 werden mit dem Rückgang der Firmicutes diese Schutzfaktoren geschwächt, und der Körper wird weiter dem Risiko von Entzündungen ausgesetzt.
Eine Reihe von Studien hat gezeigt, dass Zytokine und Entzündungen eng mit depressiven Symptomen bei Patienten mit Depressionen zusammenhängen. Es wurde vermutet, dass Depressionen als eine Gruppe von Symptomen betrachtet werden können, die durch periphere Entzündungen und eine Reaktion auf Entzündungen verursacht werden.34,35 Eine Metaanalyse deutet darauf hin, dass die Konzentration von IL-6 und TNF-α im Blut bei Depressionen ohne körperliche Erkrankung signifikant erhöht ist.36 Eine große Zahl von Längsschnittstudien hat gezeigt, dass exogene Zytokine depressive Symptome verschlimmern können.3741 In ähnlicher Weise kann die Injektion von Lipopolysaccharid-Endotoxin oder eines entsprechenden Impfstoffs sowohl die Konzentrationen proinflammatorischer Zytokine als auch die depressiven Symptome erhöhen.42-44 In der Mäusestudie von Zhang et al. wurde eine signifikante Abnahme der Firmicutes im Stressmodell der sozialen Niederlage festgestellt, während die Veränderung der Proteobakterien nicht signifikant war. Sie fanden auch heraus, dass die intravenöse Injektion von MR16-1 antidepressive Wirkungen hervorruft, indem sie die veränderte Zusammensetzung des Darmmikrobioms normalisiert.45 Dies stimmt mit unserer Schlussfolgerung überein.
Darüber hinaus können einige zellvermittelte Immunprozesse auch an der Entwicklung von Depressionen beteiligt sein.46 Zwei Meta-Analysen haben gezeigt, dass bei Patienten mit Depressionen mehrere zelluläre Immunwege aktiviert sind.36,47 Obwohl es derzeit keine direkten Beweise dafür gibt, dass eine niedriggradige Entzündung bei depressiven Patienten vom Darm ausgeht, gibt es immer mehr Hinweise darauf, dass die Darmmikrobiota bei der Entstehung dieses Entzündungsprozesses eine wichtige Rolle spielt. Obwohl einige präklinische und klinische Studien die positiven Auswirkungen einer probiotischen Supplementierung auf depressive Symptome bestätigt haben, hat eine Metaanalyse gezeigt, dass die probiotische Supplementierung insgesamt eine unbedeutende Wirkung auf die Stimmung hat.48 Daher ist es noch notwendig, die Veränderungen der Darmmikrobiota bei Depressionen weiter zu klären, was dazu beitragen könnte, dass die gezielte Supplementierung eine bessere Wirkung erzielt.
Zusammenfassend lässt sich sagen, dass unsere Studie ergab, dass bei Patienten mit Depressionen eine signifikante Störung der Darmmikrobiota vorliegt, bei der die Firmicutes signifikant abnahmen. Defekte der Firmicutes können zu einer Depression der SCFA führen, was die physiologische Grundlage für eine niedriggradige Entzündung der Depression sein könnte. In Zukunft können wir die Rolle der Firmicutes bei Depressionen durch die Methode der Multiomik weiter erforschen.
Einschränkung
Diese Studie hat noch einige Einschränkungen. Erstens war die von uns verwendete Stichprobengröße aufgrund finanzieller Beschränkungen vergleichsweise klein. Zweitens: Obwohl die Ergebnisse dieser Studie belegen, dass die Darmmikrobiota eine Rolle bei der Entwicklung von Depressionen spielt, können wir derzeit nicht untersuchen, wie genau sich die Darmmikrobiota im Zuge dieses Prozesses verändert. In einer zukünftigen Studie sollten die Veränderungen der Darmmikrobiota in Hochrisikogruppen während ihrer möglichen Entwicklung von Symptomen weiter beobachtet werden. Drittens fehlt es in dieser Studie an relevanten Entzündungsindikatoren. Auch wenn wir die Probanden sorgfältig ausgewählt haben, um den Einfluss verwandter Faktoren auf die Darmmikrobiota zu verringern, müssen einige Störfaktoren, wie z. B. die Ernährung, noch genauer kontrolliert oder bewertet werden. Darüber hinaus könnten auch atypische Symptome der Depression, wie Gier und Schläfrigkeit, einen potenziellen Einfluss auf die Darmmikrobiota haben, was eine detailliertere Klassifizierung der Depression in der zukünftigen Forschung erfordert.
Danksagung
Wir danken allen Probanden, die an dieser Studie teilgenommen haben. Alle Kosten dieser Studie wurden selbst finanziert.
Disclosure
Die Autoren erklären, dass es in dieser Arbeit keine Interessenkonflikte gibt.
|
Kessler RC, Berglund P, Demler O, et al. The epidemiology of major depressive disorder: results from the National Comorbidity Survey Replication (NCS-R). JAMA. 2003;289(23):3095-3105. |
||
|
Ogbonnaya ES, Clarke G, Shanahan F, Dinan TG, Cryan JF, O’Leary OF. Die Neurogenese im erwachsenen Hippocampus wird durch das Mikrobiom reguliert. Biol Psychiatry. 2015;78(4):e7-e9. |
||
|
Foster JA, McVey Neufeld KA. Darm-Hirn-Achse: Wie das Mikrobiom Angst und Depression beeinflusst. Trends Neurosci. 2013;36(5):305-312. |
||
|
Maes M, Kubera M, Leunis JC. The gut-brain barrier in major depression: intestinal mucosal dysfunction with an increased translocation of LPS from gram negative enterobacteria (leaky gut) plays a role in the inflammatory pathophysiology of depression. Neuroendocrinol Lett. 2008;29(1):117-124. |
||
|
Kiecolt-Glaser JK, Derry HM, Fagundes CP. Entzündung: Depression schürt die Flammen und genießt die Hitze. Am J Psychiatry. 2015;172(11):1075-1091. |
||
|
Kelly JR, Borre Y, O’Brien C, et al. Transferring the blues: depression-associated gut microbiota induces neurobehavioural changes in the rat. J Psychiatr Res. 2016;82:109-118. |
||
|
Li B, Guo K, Zeng L, et al. Metabolite identification in fecal microbiota transplantation mouse livers and combined proteomics with chronic unpredictive mild stress mouse livers. Transl Psychiatry. 2018;8(1):34. |
||
|
Zheng P, Zeng B, Zhou C, et al. Gut microbiome remodeling induces depressive-like behaviors through a pathway mediated by the host’s metabolism. Mol Psychiatry. 2016;21(6):786-796. |
||
|
Lotrich FE. Inflammatory cytokine-associated depression. Brain Res. 2015;1617:113-125. |
||
|
Duncan SH, Louis P, Flint HJ. Kultivierbare bakterielle Vielfalt aus dem menschlichen Dickdarm. Lett Appl Microbiol. 2007;44(4):343-350. |
||
|
Stilling RM, van de Wouw M, Clarke G, Stanton C, Dinan TG, Cryan JF. Die Neuropharmakologie von Butyrat: das Brot und die Butter der Mikrobiota-Darm-Hirn-Achse? Neurochem Int. 2016;99:110-132. |
||
|
Diehl GE, Longman RS, Zhang JX, et al. Microbiota restricts trafficking of bacteria to mesenteric lymph nodes by CX(3)CR1(hi) cells. Nature. 2013;494(7435):116-120. |
||
|
Yu M, Jia H, Zhou C, et al. Variations in gut microbiota and fecal metabolic phenotype associated with depression by 16S rRNA gene sequencing and LC/MS-based metabolomics. J Pharm Biomed Anal. 2017;138:231-239. |
||
|
Bangsgaard Bendtsen KM, Krych L, Sørensen DB, et al. Gut microbiota composition is correlated to grid floor induced stress and behavior in the BALB/c mouse. PLoS One. 2012;7(10):e46231. |
||
|
Sokol H, Seksik P, Furet JP, et al. Low counts of Faecalibacterium prausnitzii in colitis microbiota. Inflamm Bowel Dis. 2009;15(8):1183-1189. |
||
|
Jiang H, Ling Z, Zhang Y, et al. Altered fecal microbiota composition in patients with major depressive disorder. Brain Behav Immun. 2015;48:186-194. |
||
|
Lin P, Ding B, Feng C, et al. Prevotella and Klebsiella proportions in fecal microbial communities are potential characteristic parameters for patients with major depressive disorder. J Affect Disord. 2017;207:300-304. |
||
|
Naseribafrouei A, Hestad K, Avershina E, et al. Correlation between the human fecal microbiota and depression. Neurogastroenterol Motil. 2014;26(8):1155-1162. |
||
|
Shen Y, Xu J, Li Z, et al. Analysis of gut microbiota diversity and auxiliary diagnosis as a biomarker in patients with schizophrenia: a cross-sectional study. Schizophr Res. 2018;197:470-477. |
||
|
Magoč T, Salzberg SL. FLASH: schnelle Längenanpassung von kurzen Reads zur Verbesserung von Genomassemblies. Bioinformatics. 2011;27(21):2957-2963. |
||
|
Bolger AM, Lohse M, Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics. 2014;30(15):2114-2120. |
||
|
Caporaso JG, Kuczynski J, Stombaugh J, et al. QIIME ermöglicht die Analyse von Community-Sequenzierungsdaten mit hohem Durchsatz. Nat Methods. 2010;7(5):335-336. |
||
|
McDonald D, Price MN, Goodrich J, et al. An improved Greengenes taxonomy with explicit ranks for ecological and evolutionary analyses of bacteria and archaea. ISME J. 2012;6(3):610-618. |
||
|
Edgar RC. Suche und Clustering um Größenordnungen schneller als BLAST. Bioinformatics. 2010;26(19):2460-2461. |
||
|
Katoh K, Standley DM. MAFFT multiple sequence alignment software version 7: improvements in performance and usability. Mol Biol Evol. 2013;30(4):772-780. |
||
|
Preis MN, Dehal PS, Arkin AP. FastTree: Berechnung großer minimaler Evolutionsbäume mit Profilen anstelle einer Distanzmatrix. Mol Biol Evol. 2009;26(7):1641-1650. |
||
|
Oksanen J, Blanchet F, Kindt R, Legendre P. Vegan: Community Ecology Package Version 2.0-10, 2013. |
||
|
R Development Core Team. R: A Language and Environment for Statistical Computing. Wien, Österreich: The R Foundation for Statistical Computing; 2013. |
||
|
Langille MG, Zaneveld J, Caporaso JG, et al. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences. Nat Biotechnol. 2013;31(9):814-821. |
||
|
Parks DH, Tyson GW, Hugenholtz P, Beiko RG. STAMP: statistische Analyse von taxonomischen und funktionalen Profilen. Bioinformatics. 2014;30(21):3123-3124. |
||
|
Smith PM, Howitt MR, Panikov N, et al. The microbial metabolites, short-chain fatty acids, regulate colonic Treg cell homeostasis. Science. 2013;341(6145):569-573. |
||
|
Sonnenburg ED, Zheng H, Joglekar P, et al. Specificity of polysaccharide use in intestinal bacteroides species determines diet-induced microbiota alterations. Cell. 2010;141(7):1241-1252. |
||
|
Schippa S, Conte MP. Dysbiotische Ereignisse in der Darmmikrobiota: Auswirkungen auf die menschliche Gesundheit. Nutrients. 2014;6(12):5786-5805. |
||
|
Dantzer R, O’Connor JC, Freund GG, Johnson RW, Kelley KW. Von Entzündung zu Krankheit und Depression: Wenn das Immunsystem das Gehirn unterjocht. Nat Rev Neurosci. 2008;9(1):46-56. |
||
|
Raison CL, Capuron L, Miller AH. Zytokine singen den Blues: Entzündung und die Pathogenese der Depression. Trends Immunol. 2006;27(1):24-31. |
||
|
Dowlati Y, Herrmann N, Swardfager W, et al. A meta-analysis of cytokines in major depression. Biol Psychiatry. 2010;67(5):446-457. |
||
|
Caraceni A, Gangeri L, Martini C, et al. Neurotoxicity of interferon-alpha in melanoma therapy: results from a randomized controlled trial. Cancer. 1998;83(3):482-489. |
||
|
Malaguarnera M, Di Fazio I, Restuccia S, Pistone G, Ferlito L, Rampello L. Interferon alpha-induced depression in chronic hepatitis C patients: comparison between different types of interferon alpha. Neuropsychobiologie. 1998;37(2):93-97. |
||
|
Pavol MA, Meyers CA, Rexer JL, Valentine AD, Mattis PJ, Talpaz M. Pattern of neurobehavioral deficits associated with interferon alfa therapy for leukemia. Neurology. 1995;45(5):947-950. |
||
|
Raison CL, Dantzer R, Kelley KW, et al. CSF concentrations of brain tryptophan and kynurenines during immune stimulation with IFN-alpha: relationship to CNS immune responses and depression. Mol Psychiatry. 2010;15(4):393-403. |
||
|
Schaefer M, Engelbrecht MA, Gut O, et al. Interferon alpha (IFN-alpha) and psychiatric syndromes: a review. Prog Neuropsychopharmacol Biol Psychiatry. 2002;26(4):731-746. |
||
|
Brydon L, Walker C, Wawrzyniak A, et al. Synergistic effects of psychological and immune stressors on inflammatory cytokine and sickness responses in humans. Brain Behav Immun. 2009;23(2):217-224. |
||
|
Geubelle F. . Clin Chim Acta. 1956;1(3):225-228. |
||
|
Strike PC, Wardle J, Steptoe A. Mild acute inflammatory stimulation induces transient negative mood. J Psychosom Res. 2004;57(2):189-194. |
||
|
Zhang JC, Yao W, Dong C, et al. Blockade des Interleukin-6-Rezeptors in der Peripherie fördert schnelle und anhaltende antidepressive Wirkungen: eine mögliche Rolle der Darm-Mikrobiota-Hirn-Achse. Transl Psychiatry. 2017;7(5):e1138. |
||
|
Leonard B, Maes M. Mechanistic explanations how cell-mediated immune activation, inflammation and oxidative and nitrosative stress pathways and their sequels and concomitants play a role in the pathophysiology of unipolar depression. Neurosci Biobehav Rev. 2012;36(2):764-785. |
||
|
Liu Y, Ho RC, Mak A. Interleukin (IL)-6, Tumornekrosefaktor alpha (TNF-α) und lösliche Interleukin-2-Rezeptoren (sIL-2R) sind bei Patienten mit einer schweren depressiven Störung erhöht: eine Meta-Analyse und Meta-Regression. J Affect Disord. 2012;139(3):230-239. |
||
|
Ng QX, Peters C, Ho CYX, Lim DY, Yeo WS. Eine Meta-Analyse der Verwendung von Probiotika zur Linderung depressiver Symptome. J Affect Disord. 2018;228:13-19. |