Ein offenes Etikett, nicht

Nature Communications Band 14, Artikelnummer: 926 (2023) Diesen Artikel zitieren

7738 Zugriffe

1 Zitate

69 Altmetrisch

Details zu den Metriken

Ein entzündungsförderndes Darmmikrobiom ist charakteristisch für die Parkinson-Krankheit (PD). Präbiotische Fasern verändern das Mikrobiom und diese Studie zielte darauf ab, den Nutzen präbiotischer Fasern für die Anwendung bei Parkinson-Patienten zu verstehen. Die ersten Experimente zeigen, dass die Fermentation des Stuhls von PD-Patienten mit präbiotischen Fasern die Produktion nützlicher Metaboliten (kurzkettige Fettsäuren, SCFA) steigerte und die Mikrobiota veränderte, was die Fähigkeit der PD-Mikrobiota beweist, positiv auf Präbiotika zu reagieren. Anschließend wurde eine offene, nicht randomisierte Studie mit neu diagnostizierten, nicht medikamentös behandelten (n = 10) und behandelten PD-Teilnehmern (n = 10) durchgeführt, in der die Auswirkungen einer 10-tägigen präbiotischen Intervention bewertet wurden. Die Ergebnisse zeigen, dass die präbiotische Intervention bei PD-Teilnehmern gut verträglich (primäres Ergebnis) und sicher (sekundäres Ergebnis) war und mit vorteilhaften biologischen Veränderungen in der Mikrobiota, SCFA, Entzündung und der leichten Kette von Neurofilamenten verbunden war. Explorative Analysen weisen auf Auswirkungen auf klinisch relevante Ergebnisse hin. Diese Proof-of-Concept-Studie liefert die wissenschaftliche Begründung für placebokontrollierte Studien mit präbiotischen Ballaststoffen bei Parkinson-Patienten. ClinicalTrials.gov-Kennung: NCT04512599.

Zu den Risikofaktoren für die Parkinson-Krankheit (PD) gehören sowohl genetische als auch umweltbedingte Faktoren. Unabhängig davon, ob sie sporadischen oder monogenetischen Ursprungs sind, können Umweltfaktoren entscheidend für den Ausbruch der Parkinson-Krankheit bei einem anfälligen Wirt oder für die Beeinflussung des Krankheitsverlaufs sein. Die Darmmikrobiota kann sich sowohl auf die Gesundheit als auch auf Krankheiten auswirken, und es ist plausibel, dass die Darmmikrobiota (d. h. die Mikrobiota-Darm-Hirn-Achse) die Symptome, das Fortschreiten und den Behandlungserfolg der Parkinson-Krankheit beeinflusst1. Studien belegen eine gestörte Darmmikrobiota-Gemeinschaft bei mehreren neurologischen Erkrankungen, einschließlich PD2,3,4. Eine Abweichung der Zusammensetzung kommensaler Bakterien von den mikrobiellen Gemeinschaften gesunder Personen (d. h. Dysbiose) ist sowohl mit frühen als auch mit späten Stadien der Parkinson-Krankheit verbunden5,6. Obwohl es keine spezifische Mikrobiota-Signatur für Parkinson gibt, weisen Patienten im Vergleich zu gleichaltrigen Kontrollpersonen eine deutlich andere mikrobielle Zusammensetzung im Darm auf7,8. Die PD-assoziierten Mikrobiota zeichnen sich durch eine erhöhte relative Häufigkeit von mutmaßlich entzündungsfördernden, gramnegativen Lipopolysaccharid (LPS) produzierenden Pathobionten und eine verringerte relative Häufigkeit von mutmaßlich entzündungshemmenden, kurzkettigen Fettsäuren (SCFA) produzierenden Bakterien aus9,10 ,11,12,13,14,15. Zu den vielfach berichteten taxaspezifischen Veränderungen gehören eine erhöhte relative Häufigkeit der Familie Enterobacteriaceae, der Gattungen Akkermansia, Lactobacillus und Bifidobacterium sowie eine verringerte relative Häufigkeit der Familie Lachnospiraceae und der mutmaßlich SCFA-produzierenden Gattung Faecalibacterium5 mit niedrigerer taxonomischer Hierarchie. Im Allgemeinen verfügen PD-Patienten über eine entzündungsfördernde dysbiotische Mikrobiota-Gemeinschaft. Diese Veränderungen in der Mikrobiota können systemische und neuronale Entzündungen durch verschiedene Mechanismen verstärken, einschließlich einer Störung der Integrität der Darmbarriere. SCFAs sind für die Aufrechterhaltung der Integrität der Darmbarriere von entscheidender Bedeutung, da es zu einer Störung der Barriere (d. h. intestinaler Hyperpermeabilität) kommt, wenn die SCFA-Werte im Dickdarm niedrig sind16,17. Eine Störung der Darmbarriere ermöglicht den Eintritt entzündungsfördernder bakterieller Komponenten wie LPS in den systemischen Kreislauf und Studien zeigen, dass LPS Mikroglia aktivieren und die Neurodegeneration fördern kann18,19. Daher können niedrige SCFA-Spiegel bei PD-Patienten eine Darmleckage fördern und so zu einer Neuroinflammation führen.

Der Verzehr präbiotischer Ballaststoffe beeinflusst die Zusammensetzung der Mikrobiota und den SCFA20-Spiegel. Ballaststoffe werden nicht durch Enzyme von Säugetieren hydrolysiert, sondern durch Bakterien im Magen-Darm-Trakt fermentiert. Jede Bakteriengruppe hat eine Präferenz hinsichtlich der physikalischen und chemischen Eigenschaften von Fasern, und diese Informationen können genutzt werden, um eine Mischung präbiotischer Fasern auszuwählen, die das Wachstum verschiedener Bakteriengruppen fördern, die SCFA produzieren20,21,22,23. Die ersten Ziele dieser Studie waren: (1) zu bestimmen, ob präbiotische Fasern die SCFA-Produktion in der Mikrobiota von PD-Patienten steigern können und (2) zu bestimmen, welche Präbiotika die Mikrobiota modifizieren und SCFA mithilfe eines Stuhlfermentationssystems erhöhen. Diese Ergebnisse wurden dann verwendet, um Fasern auszuwählen, die in einer 10-tägigen, offenen, nicht randomisierten Studie verwendet wurden, um festzustellen, ob: (1) der tägliche Verzehr der präbiotischen Mischung über 10 Tage tolerierbar ist (primär) und (2) sicher für die Anwendung bei PD-Patienten (sekundär) und (3) beeinflusst PD-relevante biologische Ergebnisse, einschließlich Mikrobiota, SCFA-Produktion, LPS-bindendes Protein (LBP), Zonulin, Stuhl-Calprotectin, Zytokine, C-reaktives Protein, Gruppe mit hoher Mobilität Kasten 1, aus dem Gehirn stammender neurotropher Faktor und leichte Kette von Neurofilamenten. In diese Studie wurden zwei Gruppen von PD-Patienten einbezogen: diejenigen, die sich in einem frühen Krankheitsstadium befanden, bevor mit der Medikation begonnen wurde (d. h. neu diagnostiziert, nicht medikamentös behandelt), und diejenigen mit einer fortgeschritteneren Erkrankung unter Levodopa-Behandlung und/oder anderen PD-Medikamenten (d. h. behandelt).

Wie bereits in der Literatur gezeigt24,25, haben PD-Patienten einen niedrigeren Gesamt-SCFA als altersentsprechende Kontrollpersonen (Abb. 1, Student-t-Test: P = 0,004). Auf der Grundlage dieser Daten war unklar, ob der Stuhl von PD-Patienten selbst bei Versorgung mit präbiotischen Ballaststoffen in der Lage ist, SCFA in ähnlicher Menge zu produzieren wie die Kontrollpersonen. Um diese wichtige Frage zu beantworten, wurde der Stuhl von PD-Patienten mit verschiedenen Fasern fermentiert und die SCFA-Produktion bewertet. Die Daten deuten darauf hin, dass der Stuhl von PD-Patienten SCFA in einem ähnlichen Ausmaß produzieren kann wie die Kontrollen (Abb. 1, Student-t-Test: P = 0,387), was auf das Potenzial präbiotischer Fasern hindeutet, SCFA bei PD-Patienten zu erhöhen.

Stuhl von PD-Patienten wies eine geringere Konzentration an Gesamt-SCFA auf als Stuhl von gesunden Kontrollpersonen (HC) (linkes Feld, Student-t-Test: P = 0,004, n = 10 biologisch unabhängige Proben/Gruppe). Die Fermentation von Stuhl mit unterschiedlichen Fasern (Fasern 1–5, 12-stündige Stuhlfermentation) erhöhte die Gesamt-SCFA-Produktion im Stuhl von HC- und PD-Patienten (rechtes Feld, Student-t-Test: P = 0,387, n = 10 biologisch unabhängige Proben/Faser). /Gruppe). Ballaststoff 1: Fructooligosaccharide (FOS), Ballaststoff 2: Glucan, Ballaststoff 3: Pektin, Ballaststoff 4: Sorghum-Arabinoxylan und Ballaststoff 5: eine Mischung aus jeweils 25 % FOS, Glucan, Pektin und Sorghum-Arabinoxylan. Für jedes Box-and-Whisker-Diagramm gibt die mittlere horizontale Linie den Median an, der untere und obere Rand der Box gibt das 25. bzw. 75. Perzentil an und die oberen und unteren Whisker geben das 10. bzw. 90. Perzentil an ). Jeder Punkt stellt eine biologisch unabhängige Probe dar. Zur Analyse wurde ein zweiseitiger Student-t-Test verwendet. Quelldaten werden als Quelldatendatei bereitgestellt.

Anschließend wurde eine Stuhlfermentationsbewertung durchgeführt, um die Fähigkeit verschiedener Ballaststoffe (resistente Stärke, Reiskleie, resistentes Maltodextrin, Inulin) zu bestimmen, das Wachstum spezifischer Bakteriengruppen zu fördern und die SCFA-Produktion zu beeinflussen. Hierarchische Clusterbildung und Heatmap-Visualisierung der mikrobiellen Gemeinschaftsstruktur im Stuhl ergaben, dass jede Faser spezifische Bakterientaxa anreicherte, wobei eine begrenzte Überlappung zwischen den Fasern beobachtet wurde. Zu den durch die präbiotischen Fasern angereicherten Bakterien gehörten Bakterien der Gattung Prevotella und der Familien Lachnospiraceae und Ruminococaceae (gefördert durch resistente Stärke, Cluster 1); Gattungen Ruminoccocus, Dorea und Bacteroides (gefördert durch Reiskleie, Cluster 2); Gattungen Blautia, Anaerostipes und Bifidobacterium (gefördert durch Inulin, Cluster 3); und Gattung Parabacteroides (gefördert durch resistentes Maltodextrin, Cluster 4) (Abb. 2a).

Eine Stuhlaufschlämmung wurde mit Ballaststoffen inkubiert (24 h Stuhlfermentation). Pro Behandlung wurden drei experimentelle Wiederholungen durchgeführt, von denen zwei für die Mikrobiota-Sequenzierung verwendet wurden (jeweils als separate Spalte dargestellt). a Die Struktur der mikrobiellen Gemeinschaft wurde mittels DNA-basierter 16 S rRNA-Gen-Amplikonsequenzierung bewertet (n = 2 biologisch unabhängige Proben). Hierarchische Gruppierung der 25 am häufigsten vorkommenden Gattungen wird visualisiert (Heatmap stellt log2 relative Häufigkeit dar). Die hierarchische Clusterbildung wurde unter Verwendung euklidischer Abstände und des Ward-Algorithmus durchgeführt, und Taxacluster wurden mit Fasertypen verknüpft. Die Daten werden als Z-Scores der relativen Häufigkeiten normalisiert innerhalb jeder Zeile dargestellt. b–e Produktion kurzkettiger Fettsäuren (mM) während der 24-stündigen Stuhlfermentation, einschließlich Gesamt-SCFA, Acetat, Butyrat und Propionat (n = 3 biologisch unabhängige Proben in jeder Gruppe). Fehlerbalken stellen die Standardabweichung vom Mittelwert dar. Für die Analyse wurde eine einfaktorielle ANOVA gefolgt von Tukeys Post-hoc-Test verwendet, wobei die P-Werte für mehrere Vergleiche angepasst wurden: a = signifikant vs. Leerwert, b = signifikant vs. resistente Stärke, c = signifikant vs. Reiskleie, d = signifikant vs. resistentes Maltodextrin ( Signifikanz P < 0,05, P-Werte für jeden Vergleich sind in der Ergänzungstabelle S1 angegeben. f Anteile jeder kurzkettigen Fettsäure (als Prozentsatz der gesamten SCFA), die während der 24-stündigen Stuhlfermentation produziert wurde (n = 3 biologisch unabhängige Proben). Quelldaten werden als Quelldatendatei bereitgestellt. Res. Stärkeresistente Stärke, Res. Maltodextrinresistentes Maltodextrin.

Alle Fasern förderten die SCFA-Produktion, wobei für jedes SCFA faserspezifische Effekte festgestellt wurden (Abb. 2b – e, einfache ANOVA: Gesamt-SCFA P < 0,0001, Acetat P < 0,0001, Butyrat P < 0,0001, Propionat P < 0,0001; Post-hoc-Analyse wurde verwendet, um Unterschiede zwischen Gruppen zu identifizieren, die in der Ergänzungstabelle S1 zusammengefasst sind. Resistentes Maltodextrin und Inulin führten zu dem größten Anstieg der Gesamt-SCFA-Spiegel, gefolgt von resistenter Stärke und Reiskleie (Abb. 2b und Ergänzungstabelle S1). Jeder Fasertyp hatte eine unterschiedliche Stoffwechselsignatur: Resistente Stärke war stark butyrogen, resistentes Maltodextrin war stark propiogen und Inulin und Reiskleie förderten die Produktion aller drei SCFA (Abb. 2c – f und Ergänzungstabelle S1). Obwohl Reiskleie weniger SCFA produzierte als die anderen Fasern, erhöhte sie die Häufigkeit einzigartiger Bakterien, die nicht durch andere Fasern angereichert wurden (z. B. Ruminococcus, Dorea, Fusobacterium). Um das Wachstum einer vielfältigen Gruppe nützlicher Bakteriengruppen zu unterstützen und die Produktion aller drei SCFA zu fördern, wurde daher die folgende Zusammensetzung der Fasermischung verwendet: 30 % resistente Stärke (Rohkartoffelstärke), 30 % resistentes Maltodextrin (NutrioseTM), 30 % stabilisierte Reiskleie und 10 % verzweigtes Agaveninulin. Diese Faseranteile wurden anschließend in einen Riegel eingearbeitet, um ihn an Teilnehmern mit Parkinson zu testen.

Die Teilnehmer hielten sich zu Studienbeginn mäßig an eine mediterrane Ernährung (Median 8,5, IQR 4,3). Es gab keine Übereinstimmungsunterschiede zwischen neu diagnostizierten, nicht medikamentös behandelten und behandelten Teilnehmern (Mann-Whitney-U-Test: P = 0,96). Die Teilnehmer konsumierten den präbiotischen Riegel 10 Tage lang und wurden anschließend gefragt, wie wahrscheinlich es sei, dass sie den präbiotischen Riegel weiterhin täglich konsumieren würden. Die Bewertung reichte von 0 (unwahrscheinlich) bis 10 (sehr wahrscheinlich): 55 % gaben an, dass sie mit hoher Wahrscheinlichkeit weiterhin konsumieren würden 10 % wahrscheinlich, 35 % eher wahrscheinlich und 0 % antworteten eher unwahrscheinlich oder unwahrscheinlich (Tabelle 1 und Ergänzungstabelle S2), was darauf hindeutet, dass der Verzehr des präbiotischen Riegels sowohl machbar als auch gut verträglich war.

Der Konsum von Präbiotika kann die Magen-Darm-Symptome beeinflussen26,27, daher wurden die Auswirkungen auf die Magen-Darm-Symptome (Sicherheit) zu Studienbeginn und nach der präbiotischen Intervention bewertet (Tabelle 1). Die Symptome von Blähungen und Durchfall blieben durch die präbiotische Intervention bei neu diagnostizierten, nicht medikamentös behandelten (Wilcoxon-Signed-Rank-Test: P = 0,45 bzw. P = 1,0) und behandelten Teilnehmern (Wilcoxon-Signed-Rank-Test: P = 0,50 und P) unverändert = 1,0), was darauf hinweist, dass die präbiotische Fasermischung keine wesentlichen oder klinisch relevanten gastrointestinalen Nebenwirkungen verursachte. Die Analyse des gastrointestinalen (GI) Symptom- und Schweregrad-Checklisten-Scores ergab, dass behandelte PD-Teilnehmer nach der präbiotischen Intervention eine Verbesserung des GI-Gesamtscores aufwiesen (gepaarter t-Test: P = 0,01), die zu Studienbeginn einen höheren GI-Symptomscore aufwiesen im Vergleich zu neu diagnostizierte, nicht medikamentöse Parkinson-Teilnehmer. Regressionsanalysen des gesamten GI-Symptom-Scores (Kontrolle von Alter, Krankheitsdauer, Levodopa-Äquivalentdosis) ergaben einen Unterschied zwischen dem Ausgangswert und nach der präbiotischen Intervention in der behandelten PD-Gruppe (Typ-III-F-Test: P = 0,04), jedoch keine Unterschiede wurden auf Verstopfung (Typ-III-F-Test: P = 0,23) oder Häufigkeit des Stuhlgangs (Typ-III-F-Test: P = 0,54) hingewiesen. Zusammengefasst deuten diese Ergebnisse darauf hin, dass mit der präbiotischen Intervention keine negativen gastrointestinalen Nebenwirkungen verbunden waren und sich die Magen-Darm-Symptome bei den behandelten PD-Teilnehmern verbesserten.

Als explorative Analyse wurde eine Bewertung des UPDRS-Scores durchgeführt. Die 10-tägige präbiotische Intervention war mit einer Abnahme (Wilcoxon-Signed-Rank-Test: P < 0,01) des gesamten UPDRS-Scores vom Ausgangswert bis nach der präbiotischen Intervention verbunden (Median 11,50 bzw. Median 9,0).

Zu Studienbeginn gab es keine signifikanten Unterschiede im Mikrobiom von nicht medikamentös behandelten, neu diagnostizierten und behandelten PD-Teilnehmern (PERMANOVA: q = 0,28, PERMDISP: q = 0,85, Ergänzungstabelle S3, Ergänzungsabbildung S1). Alpha-Diversitätsmetriken (dh Shannon-Index und Simpson-Index) nahmen nach der präbiotischen Intervention ab (Abb. 3a, Wilcoxon-Signed-Rank-Test: P = 0,047 bzw. 0,04). Obwohl Unterschiede in der Alpha-Diversität festgestellt wurden, wurde die gesamte mikrobielle Gemeinschaftsstruktur durch die präbiotische Intervention nicht wesentlich beeinflusst (Abb. 3b, PERMANOVA: q = 0,43, PERMDISP: q = 0,05, Ergänzungstabelle S3). Dennoch war der präbiotische Eingriff mit Unterschieden in der Taxonhäufigkeit auf Artenebene verbunden (Abb. 3c und Ergänzungstabelle S4). Die relative Häufigkeit der proinflammatorischen Stammproteobakterien wurde durch die präbiotische Intervention verringert (Wilcoxon-Signed-Rank-Test: P = 0,003, q = 0,016; relative Häufigkeit (RA): Ausgangswert 0,02–16,29 %, nach der Intervention 0,00–6,99 %). und eine Abnahme wurde auch für die Spezies Escherichia coli festgestellt (Wilcoxon-Signed-Rank-Test: P = 0,029, q = 0,258; RA: Ausgangswert 0,00–15,98 %, nach Intervention 0,00–6,89 %), aber dieser Unterschied erfüllte nicht die strengen Kriterien für q-Wert-Signifikanz (Abb. 3d, e und Ergänzungstabelle S4). Umgekehrt wurde die relative Häufigkeit mutmaßlicher SCFA-produzierender Arten durch die präbiotische Intervention, einschließlich Fusicatenibacter saccharivorans, erhöht (Wilcoxon-Signed-Rank-Test: P = 0,001, q = 0,021; RA: Ausgangswert 0,00–6,60 %, nach Intervention 0,00–16,14 %). und Parabacteroides merdae (Wilcoxon-Signed-Rank-Test: P = 0,003, q = 0,044; RA: Ausgangswert 0,00–3,63 %, nach Intervention 0,00–13,08 %) (Abb. 3f, g). Ein Anstieg wurde für die SCFA-produzierenden Arten Faecalibacterium prausnitizii (Wilcoxon-Signed-Rank-Test: P = 0,049, q = 0,313; RA: Ausgangswert 0,00–19,50 %, nach Intervention 0,00–24,57 %) und Bifidobacterium jugendlichis (Wilcoxon-Signed-Rank-Test) festgestellt Test: P = 0,014, q = 0,212; RA: Ausgangswert 0,00–40,12 %, nach Intervention 0,00–54,62 % , nach Intervention 0,00–7,22 %), diese erreichten jedoch nicht das strenge Niveau der q-Wert-Signifikanz (Abb. 3h – j und Ergänzungstabelle S4). Darüber hinaus wurde festgestellt, dass einige SCFA-produzierende Bakterien durch die 10-tägige präbiotische Intervention reduziert wurden, was auf artspezifische Unterschiede einschließlich Ruminococcus bromii hinweist (Wilcoxon-Signed-Rank-Test: P = 0,014, q = 0,212; RA: Basislinie 0,00–25,17). %, nach Intervention 0,00–11,83 %) und Ruminococcus-Drehmomente (Wilcoxon-Signed-Rank-Test: P = 0,021, q = 0,218; RA: Ausgangswert 0,00–6,74 %, nach Intervention 0,00–3,06 %), aber diese erfüllten nicht die strenge q Signifikanzniveau (Abb. 3k, l und Ergänzungstabelle S4). Die Subgruppenanalyse neu diagnostizierter, nicht medikamentöser und behandelter PD-Teilnehmer wurde separat durchgeführt (Ergänzungstabelle S5).

a Diversitätsindizes, einschließlich Shannon-Index, Simpson-Index, Artenreichtum und Pielou-Gleichmäßigkeit, wurden auf taxonomischer Ebene der Arten berechnet (n = 19 biologisch unabhängige Proben, die zu Studienbeginn und nach präbiotischer Intervention bewertet wurden). Der mittlere Indexwert und die Standardabweichung (SD) werden angezeigt. b Die Visualisierung der mikrobiellen Gemeinschaftsstruktur zu Studienbeginn und nach der präbiotischen Intervention erfolgte mithilfe einer nichtmetrischen mehrdimensionalen Skalierung (NMDS) auf taxonomischer Artenebene (n = 19 biologisch unabhängige Proben, die zu Studienbeginn und nach der präbiotischen Intervention bewertet wurden). Symbole, die jeden PD-Teilnehmer (P1–P20) darstellen, wurden mit einem Schwerpunkt verbunden, der den Mittelwert jeder Gruppe darstellt: Ausgangswert (rot) oder nach präbiotischem Eingriff (blau). Eine gepunktete Linie verbindet jeden Probanden zu Beginn und nach der präbiotischen Intervention. c Mittlere relative Häufigkeit mikrobieller Arten (>1 % relative Häufigkeit) zu Studienbeginn und nach der präbiotischen Intervention. Fettgedruckte Taxa weisen auf einen signifikanten Unterschied (q < 0,05) zwischen dem Ausgangswert und nach präbiotischer Intervention hin, der mithilfe eines zweiseitigen Wilcoxon-Signed-Rank-Tests bewertet und mithilfe der Benjamini-Hochberg-Methode für mehrere Vergleiche korrigiert wurde. Die präbiotische Intervention: d, e verringerte die relative Häufigkeit mutmaßlicher entzündungsfördernder Bakterien aus dem Stamm Proteobacteria und der Art Escherichia coli; f–j erhöhte relative Häufigkeit mutmaßlich nützlicher SCFA-produzierender Bakterienarten, einschließlich Fusicatenibacter saccharivorans, Parabacteroides merdae, Faecalibacterium prausnitzii, Bifidobacterium jugendlichis, Ruminococcus bicirculans; k–l verringerte die relative Häufigkeit von Ruminococcus bromii und Ruminococcus Torques; und m erhöhte Plasma-SCFA-Spiegel. Zur Analyse wurde ein zweiseitiger Wilcoxon-Signed-Rank-Test verwendet. Die Balkenhöhe stellt den Gruppenmittelwert dar und einzelne Proben sind angegeben. n = 19 (a–l) und n = 18 (m) biologisch unabhängige Proben, die zu Studienbeginn und nach der präbiotischen Intervention beurteilt wurden. Gruppenmittelwerte und Standardabweichungen sind in der Ergänzungstabelle 4 aufgeführt und die Quelldaten werden als Quelldatendatei bereitgestellt. BL-Grundlinie, Präbiotikum nach der 10-tägigen präbiotischen Intervention.

Die präbiotisch induzierten Veränderungen in den Mikrobiota-Gemeinschaften gingen mit signifikanten Veränderungen in der Häufigkeit von 64 genomischen Signalwegen einher (Wilcoxon-Signed-Rank-Test: q <0,05, Ergänzungstabelle S6), was auf eine allgemeine Veränderung der Funktionsfähigkeit der Mikrobiota hinweist. Durch die präbiotische Intervention wurden mehrere Biosynthesewege herunterreguliert, von denen zuvor berichtet wurde, dass sie bei PD-Patienten hochreguliert sind (im Vergleich zu Ehegattenkontrollen)28. Insbesondere wird berichtet, dass die Acetyl-CoA-Fermentation zu Butanoat II (PWY-5676) bei PD-Teilnehmern im Vergleich zu ihren Ehepartnern angereichert ist, dieser Weg wurde jedoch nach der präbiotischen Intervention bei PD-Teilnehmern herunterreguliert (Ergänzungstabelle S6, Wilcoxon-Signed-Rang). Test: q < 0,05).

Durch präbiotische Eingriffe verursachte Veränderungen in der Mikrobiota waren mit einem gleichzeitigen Anstieg des Gesamt-SCFA im Plasma (Wilcoxon-Signed-Rank-Test: P = 0,006, Abb. 3m) sowie jedes einzelnen SCFA: Acetat (Wilcoxon-Signed-Rank-Test: P) verbunden = 0,006), Propionat (Wilcoxon-Signed-Rank-Test: P = 0,006), Butyrat (Wilcoxon-Signed-Rank-Test: P = 0,059 und (Propionat + Butyrat)/Gesamt-SCFA-Verhältnis (Wilcoxon-Signed-Rank-Test: P = 0,030) ( Tabelle 2. Die Subgruppenanalyse der nicht vermittelten, neu diagnostizierten und behandelten PD-Teilnehmer wurde separat bewertet (Ergänzungstabelle S7).

Insgesamt reduzierte die präbiotische Intervention die relative Häufigkeit mutmaßlicher entzündungsfördernder Bakterien und erhöhte die Häufigkeit mutmaßlicher SCFA-produzierender Bakterien im Stuhl bei gleichzeitigem Anstieg der Plasma-SCFA. Der präbiotische Eingriff beeinflusste auch die Funktionsfähigkeit der Mikrobiota und regulierte einen Signalweg (d. h. die Acetyl-CoA-Fermentation) herunter, von dem zuvor berichtet wurde, dass er bei Parkinson-Patienten erhöht ist.

Plasma-Zonulin, ein mutmaßlicher Marker für die Integrität der Darmbarriere, war nach der präbiotischen Intervention verringert (Paired-t-Test: P = 0,001) (Abb. 4a), ein Effekt, der größtenteils von den behandelten PD-Teilnehmern bestimmt wurde (Paired-t-Test: P). < 0,001, Ergänzungstabelle S7). Systemische Zonulinspiegel wurden als Marker für die Integrität der Darmbarriere und Entzündungen vorgeschlagen24,29, was mit der Feststellung übereinstimmt, dass die über Calprotectin (ein Marker für Neutrophile in der Darmschleimhaut) beurteilte Darmentzündung nach der präbiotischen Intervention reduziert wurde (Paar t - Test: P = 0,044, Abb. 4b). Trotz Veränderungen in der Mikrobiota und Markern für die Integrität der Darmbarriere und Entzündung gab es keine durch präbiotische Interventionen verursachten Veränderungen im LBP, den Serumzytokinen (IL-6, IL-8, IL-10, IFN-γ, TNF-α) oder CRP (Tabelle 2).

Zehn Tage der präbiotischen Intervention: a reduziertes Plasma-Zonulin n = 20, b reduziertes Stuhl-Calprotectin n = 20 und c reduziertes Plasma-Neurofilament (NfL) n = 19. Die Balkenhöhe stellt den Gruppenmittelwert dar und für jede Gruppe sind einzelne Punkte angegeben. biologisch unabhängige Proben, die zu Studienbeginn und nach der präbiotischen Intervention beurteilt wurden. Zur Analyse wurde ein zweiseitiger gepaarter t-Test verwendet. Gruppenmittelwerte und Standardabweichungen sind in Tabelle 3 aufgeführt und die Quelldaten werden als Quelldatendatei bereitgestellt.

Es ist allgemein bekannt, dass das Darmmilieu das Gehirn beeinflussen kann, einschließlich Neuroinflammation, Spiegel trophischer Faktoren und Neurodegeneration. Bei der über HMGB-1 beurteilten Neuroinflammation und dem neurotrophen Faktor BDNF wurden keine durch präbiotische Interventionen verursachten Veränderungen festgestellt (Tabelle 2). Allerdings war der ausgewählte Degenerationsmarker NfL nach der präbiotischen Intervention reduziert (gepaarter t-Test: P = 0,003, Abb. 4c und Tabelle 2). Die Veränderung des NfL wurde durch neu diagnostizierte, nicht medikamentöse PD-Teilnehmer verursacht (gepaarter t-Test: P = 0,008), obwohl behandelte PD-Teilnehmer nach der präbiotischen Intervention auch einen verringerten NfL aufwiesen (Ergänzungstabelle S7).

Korrelationsanalysen wurden durchgeführt, um die Beziehung zwischen der relativen Häufigkeit von Taxa, den biologischen Ergebnissen sowie demografischen und klinischen Parametern zu Studienbeginn zu bewerten (Tabelle 3). Zonulin korrelierte positiv mit der mutmaßlichen proinflammatorischen Bakterienart Escherichia coli (Spearman-Korrelation: q = 0,014) (im Einklang mit proinflammatorischen Bakterien, die eine Funktionsstörung der Darmbarriere fördern) und negativ mit der mutmaßlichen SCFA-produzierenden Bakterienart Parabacteroides merdae (Spearmans-Korrelation: q =). 0,047) (im Einklang mit SCFA-produzierenden Bakterien, die die Funktionsstörung der Darmbarriere reduzieren). SCFA-produzierende Bakterien gelten angeblich als entzündungshemmend, und die mutmaßlichen SCFA-produzierenden Bakterien Parabacteroides merdae korrelierten negativ mit Serum-TNF-α (d. h. systemische Entzündung) (Spearman-Korrelation: q = 0,045). In der Literatur wird über altersbedingte Veränderungen in der Mikrobiota berichtet und in dieser Studie wurde das Alter negativ mit den mutmaßlichen SCFA-produzierenden Bakterienarten Eubacterium siraeum und Ruminococcus bircirculans assoziiert (Spearman-Korrelation: q = 0,014 für beide) (was zur Entzündung beitragen könnte). . Schließlich korrelierte die tägliche Levodopa-Dosis negativ mit der relativen Häufigkeit der mutmaßlichen SCFA-produzierenden Bakterienart Bifidobacterium jugendlichis (Spearman-Korrelation: q = 0,047).

Diese Proof-of-Concept-Studie ergab, dass eine 10-tägige präbiotische Intervention bei PD-Patienten sowohl gut verträglich als auch sicher war (primäre und sekundäre Endpunkte) und bei behandelten PD-Teilnehmern den Gesamtschweregrad der GI-Symptome verringerte. Die präbiotische Intervention war auch mit entzündungshemmenden Veränderungen in der Darmmikrobiota, erhöhtem SCFA, verringertem Calprotectin (Darmentzündung), verringertem Zonulin (einem mutmaßlichen Marker für Funktionsstörung/Entzündung der Darmbarriere) und einer subtilen, aber statistisch signifikanten Verringerung verbunden NfL (ein Marker für Neurodegeneration). Es wurden keine Veränderungen bei LBP, Zytokinen, CRP, HMGB-1 oder BDNF festgestellt, was möglicherweise auf die kurze Dauer dieser Proof-of-Concept-Studie von 10 Tagen zurückzuführen ist. Darüber hinaus zeigen explorative Analysen, dass die präbiotische Intervention mit verbesserten klinischen Ergebnissen (dh gastrointestinalen Symptomen und UPDRS) verbunden sein kann.

Aktuelle Studien unterstreichen die Bedeutung der Mikrobiota-Hirn-Achse bei PD30,31,32 und zu ihren wissenschaftlichen Ankern gehören: (1) eine entzündungsfördernde Darmmikrobiota (gekennzeichnet durch einen niedrigen SCFA-Wert) kann eine Funktionsstörung der Darmbarriere, systemische Entzündungen und die Aktivierung von Mikroglia auslösen. Neuroinflammation und oxidativer Stress (Mechanismen, die zur Neurodegeneration und zur Fehlfaltung von Alpha-Synuclein beitragen)33,34,35,36; (2) Mehrere Krankheiten und Störungen, die mit einem erhöhten Parkinson-Risiko einhergehen (z. B. metabolisches Syndrom, Diabetes, entzündliche Darmerkrankungen, Verstopfung), stehen mit einer Mikrobiota-Dysbiose in Zusammenhang37,38,39,40; und (3) die Verwendung von Levodopa ist mit einer verringerten relativen Häufigkeit mutmaßlich nützlicher, SCFA-produzierender Bakterien verbunden. Daher ist es plausibel, dass eine präbiotische Intervention, die die Mikrobiota verändert (und die SCFA erhöht), eine wirksame Strategie zur Veränderung des Krankheitsverlaufs, der Symptome oder des Behandlungserfolgs bei PD-Patienten sein könnte5.

Studien deuten darauf hin, dass auf Mikrobiota gerichtete Interventionen (Ernährung, Probiotika, Mikrobiota-Transplantation) die Symptome und/oder die Pathogenese der Parkinson-Krankheit positiv beeinflussen können41. Obwohl PD häufig mit einer geringen SCFA-Produktion einhergeht, wurde unseres Wissens nach in keiner Untersuchung eine präbiotische Mischung verwendet, die darauf abzielt, die SCFA-Produktion bei Patienten mit PD20 zu steigern. Präbiotische Ballaststoffe gelten allgemein als sicher, werden seit Jahrhunderten zur Behandlung chronischer Krankheiten eingesetzt und sind in der Lage, Mikrobiota-Gemeinschaften zu verändern20,42. Die in dieser Studie verwendeten präbiotischen Ballaststoffe (resistente Stärke, Reiskleie, resistentes Maltodextrin, Inulin) wurden aufgrund ihrer physikalischen und chemischen Eigenschaften ausgewählt, die sie langsam fermentieren lassen, was ideal für die Verwendung beim Menschen ist. Ein langsames Fermentationsprofil ist für ein Präbiotikum optimal, da es mit einer langsamen Gasbildung verbunden ist, die möglicherweise mit einer höheren Verträglichkeit verbunden ist17,33,34,35,36,37,38 und tatsächlich berichteten die Teilnehmer der aktuellen Studie über keinen negativen GI Nebenwirkungen. Darüber hinaus zeigen PD-Patienten eine Störung der Darmbarriere im gesamten Magen-Darm-Trakt (einschließlich im Dickdarm)43,44,45 und durch die langsame Fermentation gelangen mehr Ballaststoffe in den distalen Dickdarm, anstatt von Bakterien im proximalen Magen-Darm-Trakt verbraucht zu werden17,33, 34,35,36,37,38. Daher kann eine Barrierestörung im Dickdarm bei PD-Patienten am besten mit einer langsam fermentierenden Faser behandelt werden und könnte wichtige PD-relevante Auswirkungen haben, einschließlich einer verringerten Entzündung.

Wie auf der Grundlage des Fermentationsexperiments vermutet, veränderte der Verzehr der präbiotischen Mischung die Stuhlmikrobiota-Gemeinschaft bei PD-Teilnehmern, einschließlich einer verringerten relativen Häufigkeit mutmaßlicher entzündungsfördernder Bakterien (z. B. Proteobakterien) und einer erhöhten relativen Häufigkeit mutmaßlicher entzündungshemmender Bakterien, einschließlich SCFA-produzierender Bakterien Bakterien (z. B. Fusicatenibacter saccharivorans, Parabacteroides merdae). Diese Veränderungen gingen mit einem Anstieg des Plasma-SCFA einher. Unsere Gruppe und andere haben gezeigt, dass PD-Patienten dysbiotische Mikrobiota haben, die durch eine geringe Häufigkeit von SCFA-produzierenden Bakterien und eine Funktionsstörung der Darmbarriere (Harnzuckertest, immunhistochemische Analyse von Tight-Junction-Proteinen im Darmgewebe), LBP, LPS und Zonulin gekennzeichnet sind29, 45,46,47,48,49. Diese Studie verwendete Plasma-Zonulin als mutmaßlichen Marker für die Integrität der Darmbarriere und stellte fest, dass 10 Tage der präbiotischen Intervention den Plasma-Zonulinspiegel bei PD-Patienten verringerten, was darauf hindeutet, dass eine präbiotische Behandlung die Integrität der Darmbarriere verbessern kann. Es gibt jedoch Kontroversen hinsichtlich der Verwendung von Serum-Zonulin als Marker für die Barriereintegrität50,51 und es sind Studien mit zusätzlichen Bewertungen der Darmbarriere erforderlich, um die Schlussfolgerung zu bestätigen, dass die präbiotische Intervention die Barriereintegrität bei PD-Patienten verbessert. Solche Studien sind wichtig, da die Barriere einer von vielen Mechanismen ist, durch die das Präbiotikum die PD-relevanten Ergebnisse beeinflussen kann.

Eine Mikrobiota-Dysbiose und eine Funktionsstörung der Darmbarriere gehen häufig mit einer Darmentzündung einher. In dieser Studie wurde Calprotectin im Stuhl (ein zuverlässiger und spezifischer Entzündungsmarker) zur Beurteilung von Darmentzündungen verwendet. Frühere Studien zeigen, dass Calprotectin bei PD-Patienten erhöht ist24,29,46,52, und die aktuelle Studie ergab, dass Calprotectin im Stuhl bei PD-Teilnehmern durch die präbiotische Intervention verringert wurde. Während die Darmentzündung (z. B. Calprotectin) durch die 10-tägige präbiotische Intervention reduziert wurde, reichte sie nicht aus, um systemische Entzündungen, einschließlich LBP, CRP oder Zytokine, zu verändern.

Die präbiotische Intervention reduzierte NfL, einen mutmaßlichen systemischen Marker für Neurodegeneration, geringfügig, aber signifikant53. Die Daten in diesem Bericht legen nahe, dass sich die 10-tägige präbiotische Intervention wahrscheinlich über einen Mechanismus auf NfL auswirkt, der unabhängig von systemischen Entzündungen ist. Basierend auf den Ergebnissen der Fermentationsstudie und dem beobachteten Anstieg des Serum-SCFA gehen wir davon aus, dass die Auswirkungen der präbiotischen Intervention über SCFA vermittelt wurden. Allerdings können mehrere Mechanismen die Wirkung der präbiotischen Intervention beeinflussen und erfordern zusätzliche Untersuchungen.

Schließlich wurden Unterschiede zwischen neu diagnostizierten, nicht medikamentös behandelten und behandelten PD-Teilnehmern beobachtet. Da es sich bei der Parkinson-Krankheit um eine äußerst heterogene Erkrankung handelt, sind zukünftige Studien erforderlich, um zu verstehen, welche Bevölkerungsgruppen am meisten von einer präbiotischen Intervention profitieren können. Beispielsweise können mit Levodopa behandelte Parkinson-Patienten besonders von einer präbiotischen Intervention profitieren. Die PD-assoziierte Mikrobiota zeichnet sich durch eine hohe Häufigkeit von Bakterien aus, die das Levodopa-metabolisierende Enzym Tyrosindecarboxylase (TDC) enthalten54,55,56 und der präbiotische Eingriff kann die relative Häufigkeit von TDC-haltigen Bakterien beeinflussen und sich positiv auf die Wirksamkeit der Behandlung auswirken Reduzieren Sie Dyskinesien bei mit Levodopa behandelten PD-Patienten. Weitere Studien mit einer größeren Stichprobengröße und einem randomisierten, doppelblinden, placebokontrollierten Studiendesign sind erforderlich, um die faszinierenden Ergebnisse dieser Proof-of-Concept-Studie zu bestätigen, die zeigen, dass eine präbiotische Intervention mit einer Verbesserung der klinischen Symptome verbunden war (UPDRS). Zugegebenermaßen war die Studie offen und unterliegt einer Voreingenommenheit der Bewerter durch die Teilnehmer, ist aber dennoch ermutigend für weitere Studien unter kontrollierteren Bedingungen.

Eine Stärke dieser Studie ist das subjektinterne Design, es gibt jedoch auch Einschränkungen, einschließlich einer kleinen Stichprobengröße und eines offenen, nicht-Placebo-Designs. Die präbiotische Mischung wurde in Form eines gesunden Riegels verabreicht, der zusätzliche nicht-präbiotische Ballaststoffe mit potenzieller antioxidativer Wirkung enthielt. Daher sind die beobachteten biologischen Veränderungen möglicherweise nicht allein auf präbiotische Ballaststoffe zurückzuführen, sondern könnten vielmehr mit dem Verzehr einer anderen gesunden Komponente im Riegel zusammenhängen. Darüber hinaus wurden die Teilnehmer zwar angewiesen, während der gesamten Studie ihre gewohnte Ernährung beizubehalten, doch der Verzehr des präbiotischen Riegels könnte die Ernährung beeinflusst haben. Das nicht verblindete Design der Studie könnte sich auf die Ergebnisse klinischer Ergebnisse wie UPDRS und den von den Teilnehmern gemeldeten Schweregrad der gastrointestinalen Symptome ausgewirkt haben (d. h. Placeboeffekt). Allerdings sollte das nicht verblindete Design keinen Einfluss auf biologische Ergebnisse haben, die von Mitarbeitern analysiert wurden, die zeitlich (Ausgangswert, nach präbiotischer Intervention) und PD-Gruppe (neu diagnostiziert, nicht medikamentös vs. behandelt) verblindet waren.

Diese Proof-of-Concept-Studie zeigt, dass eine SCFA-fördernde präbiotische Fasermischung zur Modulation der Darmmikrobiota bei PD-Patienten verwendet werden kann (d. h. der Ansatz ist machbar) und dass die präbiotische Mischung gut akzeptiert, verträglich und sicher ist Einsatz bei PD-Patienten. Darüber hinaus kann die präbiotische Fasermischung eine klinische Wirkung haben, die zu einer Verringerung der Schwere motorischer und nichtmotorischer PD-Symptome und einer verbesserten Magen-Darm-Funktion führt. Diese Proof-of-Concept-Studie liefert die wissenschaftliche Begründung für zukünftige Studien, die das Potenzial einer Mikrobiota-gesteuerten präbiotischen Intervention als krankheitsmodifizierenden Therapieansatz bei Parkinson-Patienten bewerten.

Alle Forschungsaktivitäten wurden vom Institutional Review Board (IRB) des Rush University Medical Center (RUMC) genehmigt. Die Einwilligung aller Teilnehmer zur Weitergabe anonymisierter Daten wurde eingeholt.

Stuhlproben wurden aus einem vom IRB zugelassenen Aufbewahrungsort entnommen, einschließlich menschlichem Stuhl von gesunden Kontrollteilnehmern (n = 10) und PD-Teilnehmern (n = 10) (nicht denselben Teilnehmern wie diejenigen, die an der klinischen Studie teilgenommen haben (siehe unten)). Es gab keine signifikanten Unterschiede in den demografischen Merkmalen zwischen der gesunden Kontrollgruppe und der PD-Gruppe (Alter: zweiseitiger t-Test: P = 0,368; Geschlecht: Chi-Quadrat-Analyse: P = 0,350, Rasse: Chi-Quadrat-Analyse: P = 0,211). Zum Zeitpunkt der Stuhlentnahme nahm kein Teilnehmer Levodopa (LD) oder andere PD-Medikamente ein, die Teilnehmer nahmen innerhalb von drei Monaten vor der Probenentnahme keine Probiotika, Synbiotika oder Antibiotika zu sich und kein Teilnehmer nahm eine spezielle Diät (z. B. vegan) zu sich , vegetarisch, Paläo). Ein Spezialist für Bewegungsstörungen untersuchte und bestätigte die Diagnose der Parkinson-Krankheit. Alle Teilnehmer, die Proben an das Repository spendeten, unterzeichneten das vom RUMC IRB genehmigte Einverständnisformular (ORA#: 07100403). Die Teilnehmer erhielten keine Vergütung für die Spende von Proben an das Repository.

Präbiotische Fasern (Inulin, resistente Stärke, resistentes Maltodextrin, Reiskleie) wurden mit menschlichem Stuhl von gesunden Kontrollteilnehmern (n = 10) oder nicht medikamentös behandelten PD-Teilnehmern (n = 10) inkubiert. Es wurde eine 12- oder 24-stündige Fermentation menschlichen Stuhls mit jeder einzelnen Faser durchgeführt57,58. Ein Carbonat-Phosphat-Puffer wurde hergestellt und sterilisiert (autoklaviert bei 121 °C, 20 Minuten). Anschließend wurde der Puffer auf Raumtemperatur abgekühlt, der Sauerstoff durch Einleiten von Kohlendioxid entfernt und Cysteinhydrochlorid (0,25 g/l Puffer) als Reduktionsmittel zugesetzt. Der Puffer wurde dann am Tag vor dem Experiment in eine anaerobe Kammer gegeben, um die Pufferreduktion abzuschließen. Am Tag des Experiments wurden frisch gesammelte Stuhlproben von drei gesunden menschlichen Spendern (jeweils 10 g) mit Carbonat-Phosphat-Puffer (1:3 [Gew./Vol.]) homogenisiert und anschließend durch vier Lagen Käsetuch filtriert. Dann wurde 1 ml des gepoolten Stuhlinokulums in Röhrchen vom Balch-Typ gegeben, die 50 mg Ballaststoffsubstrat (oder ohne Ballaststoffe, dh Blindwert/Negativkontrolle) und 4 ml Carbonat-Phosphat-Puffer enthielten. Die Röhrchen wurden mit Butylkautschukstopfen verschlossen, mit Aluminiumdichtungen gesichert und 24 Stunden lang inkubiert (auf einem Schüttler in einem Inkubator (37 °C)). Sämtliche Probenmanipulationen wurden in einer anaeroben Atmosphäre (85 % N2, 5 % CO2 und 10 % H2) durchgeführt. Stuhlfermentationsexperimente wurden dreifach durchgeführt.

Aliquote (1 ml) fermentierter Stuhlproben wurden zentrifugiert (20.784 g, 15 Min.) und der Überstand verworfen. Die automatisierte DNA-Extraktion des pelletierten Materials wurde unter Verwendung eines QIAcube Connect-Instruments mit dem QIAamp PowerFecal Pro DNA-Kit (Qiagen, Germantown, MD) gemäß den Anweisungen des Herstellers durchgeführt. Die gewonnene genomische DNA wurde als Matrize für die Amplifikation der variablen V4-Region der mikrobiellen 16 S-ribosomalen RNA-Gene (rRNA) unter Verwendung der Primer 515 F (GTGCCAGCMGCCGCGGTAA) und 806 R (GGACTACHVGGGTWTCTAAT) (kundenspezifische Primer von Integrated DNA Technologies, Coralville, IA) verwendet. . Amplifikate wurden mithilfe eines zweistufigen PCR-Amplifikationsprotokolls generiert59,60. Kurz gesagt, die 515 F- und 806 R-Primer enthielten gemeinsame 5′-Sequenz-Tags (bekannt als gemeinsame Sequenzen 1 und 2 [CS1 und CS2]). PCR-Amplifikationen der ersten Stufe wurden in 10-μl-Reaktionsmischungen in 96-Well-Platten unter Verwendung von MyTaq HS 2× Mastermix (Bioline, Memphis, TN) durchgeführt. Die PCR-Bedingungen waren 95 °C für 5 Minuten, gefolgt von 28 Zyklen mit 95 °C für 30 Sekunden, 55 °C für 45 Sekunden und 72 °C für 60 Sekunden. Anschließend wurde eine zweite PCR-Amplifikation in 10 μl Reaktionsmischungen in 96-Well-Platten durchgeführt. Jede Vertiefung erhielt ein separates Primerpaar mit einem eindeutigen 10-Basen-Barcode, der von der Access Array Barcode Library für Illumina (Fluidigm, South San Francisco, CA; Katalog-Nr. 100-4876) bezogen wurde. Diese Access Array-Primer enthielten die CS1- und CS2-Linker an den 3'-Enden der Oligonukleotide. Die Zyklusbedingungen waren 95 °C für 5 Minuten, gefolgt von acht Zyklen mit 95 °C für 30 Sekunden, 60 °C für 30 Sekunden und 72 °C für 30 Sekunden. Die Proben wurden dann in gleichen Volumina mit einem EpMotion5075-Liquid-Handling-Roboter (Eppendorf, Hamburg, Deutschland) gepoolt. Die gepoolte Bibliothek wurde unter Verwendung eines AMPure XP-Reinigungsprotokolls (0,6 ×, Vol./Vol.; Agencourt, Beckman-Coulter, Indianapolis, IN) gereinigt, um Fragmente kleiner als 300 bp zu entfernen. Bibliotheken mit einem 20 %igen PhiX-Spike-in wurden auf zwei MiniSeq-Flusszellen geladen und sequenziert (2 × 153 Paired-End-Reads). Zur Initiierung der Sequenzierung wurden Fluidigm-Sequenzierungsprimer verwendet, die auf die CS1- und CS2-Linkerregionen abzielen. Auf dem Instrument wurde eine Demultiplexierung der Lesevorgänge durchgeführt. Die Bibliotheksvorbereitung und die 16 S-rRNA-Gensequenzierung wurden in der DNA Services Facility der University of Illinois in Chicago (Chicago, IL) durchgeführt. Für jede Fermentationsbedingung wurde DNA aus zwei Replikatproben extrahiert. Rohsequenzdaten (FASTQ-Dateien) wurden im Sequence Read Archive (SRA) des National Center for Biotechnology Information (NCBI) unter der BioProject-ID PRJNA852512 hinterlegt.

Dreifache fermentierte Stuhlproben wurden hergestellt und an der Purdue University mit einem Gaschromatographen (GC-FID 7890 A; Agilent Technologies Inc.) auf einer Quarzglas-Kapillarsäule (Nukon Supelco Nr. 40369-03 A; Bellefonte, PA) analysiert58 unter folgenden Bedingungen: Injektortemperatur von 230 °C, anfängliche Ofentemperatur bei 100 °C und Temperaturanstieg von 8 °C/min auf 200 °C mit 3-minütigem Halten der Endtemperatur. Als Trägergas wurde Helium mit 0,75 ml/min verwendet. Die Quantifizierung wurde basierend auf der relativen Peakfläche unter Verwendung externer Standards für Acetat (A38S), Propionat (A258) und Butyrat (AC108111000) und eines internen Standards für 4-Methylvaleriansäure (AAA1540506) von Fisher Scientific (Hampton, NH) durchgeführt.

Alle Teilnehmer unterzeichneten das vom RUMC IRB genehmigte Einverständnisformular (ORA#: 20072703) und die Studie wurde registriert (ClinicalTrials.gov-Kennung: NCT04512599). Die Teilnehmer erhielten für die Teilnahme an der Studie keine Vergütung. Bei der Studie handelte es sich um eine offene, nicht randomisierte Studie mit PD-Teilnehmern (n = 20), die am RUMC durchgeführt wurde und neu diagnostizierte, nicht medikamentöse PD-Teilnehmer (n = 10) und behandelte PD-Teilnehmer (n = 10) umfasste, die Levodopa erhielten ( LD) und/oder andere Parkinson-Medikamente. Ein Spezialist für Bewegungsstörungen (Dr. Hall oder Goetz) untersuchte und bestätigte die Diagnose von PD-Patienten. Die Parkinson-Symptome wurden anhand der Unified Parkinson's Disease Rating Scale (UPDRS) Teil 361 und der Hoehn and Yahr (H&Y)-Stufenskala62 beurteilt. Die Merkmale der Teilnehmer sind in Tabelle 4 aufgeführt, einschließlich: Erkrankungsalter, Krankheitsdauer, motorisches UPDRS, H&Y, Levodopa-Äquivalent-Tagesdosen (LEDD), Bristol-Stuhl-Score und demografische Daten (d. h. Alter, Geschlecht, Rasse, ethnische Zugehörigkeit). Einschlusskriterien waren: aktuelle Parkinson-Diagnose (UK Brain Bank Criteria, H&Y-Stadien 1–4 einschließlich)63, Alter (>30) und Einwilligungsfähigkeit. Zu den Ausschlusskriterien gehörten: (1) Darmresektion, (2) Magen-Darm-Erkrankungen in der Vorgeschichte mit Ausnahme von Hiatushernie, GERD oder Hämorrhoiden, (3) schwere Nierenerkrankung, definiert durch Kreatinin über dem 2,5-fachen des Normalwerts, (4) abnormale Leberfunktion, definiert durch ALT/AST > 4-fach normales oder erhöhtes Bilirubin, (5) Antibiotika-Einnahme innerhalb der 12 Wochen vor der Einschreibung, (6) Einnahme von Probiotika, Präbiotika oder Synbiotika innerhalb von vier Wochen vor der Einschreibung, (7) Einnahme eines Nicht-Antibiotikums Standarddiät (z. B. vegan, vegetarisch, glutenfrei, Paleo).

Jeder Teilnehmer hatte einen Basisbesuch und einen Nachuntersuchungsbesuch nach 10 Tagen der präbiotischen Intervention. Die Teilnehmer konsumierten die Präbiotika 10 Tage lang in Form eines Riegels mit resistenter Stärke, Reishirn, resistentem Maltodextrin und Inulin (ein Riegel = 10 g Ballaststoffe). In den ersten drei Tagen wurde täglich ein Riegel konsumiert, weitere sieben Tage lang zweimal täglich ein Riegel. Die Teilnehmer wurden angewiesen, den präbiotischen Riegel in den ersten drei Tagen morgens und in der folgenden Woche morgens und nachmittags zu konsumieren (sie wurden nicht angewiesen, ihn getrennt von den Mahlzeiten einzunehmen). Die präbiotische Mischung war eine von Dr. entwickelte proprietäre Formel. Keshavarzian, Hamaker und Cantu-Dschungel. Der präbiotische Riegel wurde von Dr. Keshavarzian, Hamaker, Cantu-Jungles, Sedghi und Rasmussen und wurde von einem lizenzierten Verpackungsunternehmen hergestellt: Gramercy Bakery, LLC. Die Zutaten des Riegels waren Bio-Zutaten, die allgemein als sichere Lebensmittelzutaten anerkannt sind.

UPDRS und H&Y wurden zur Beurteilung der PD-Merkmale verwendet. Die Ernährungsqualität wurde zu Beginn mit dem validierten, 14 Punkte umfassenden Mediterranean Diet Adherence Screener (MEDAS)64 beurteilt und die Teilnehmer wurden gebeten, während der 10-tägigen Studie ihre gewohnte Ernährung fortzusetzen. Um die Verträglichkeit und Durchführbarkeit des Verzehrs des Riegels zu beurteilen, wurde ein Fragebogen erstellt. Zu den Fragen gehörten: Zufriedenheit mit Geschmack, Portion und Konsistenz, ob dadurch der Appetit gemindert wurde, ob ihnen der Riegel gefiel, sie mehr wollten oder ihn 6–12 Monate lang beibehalten würden, und Leichtigkeit der Einnahme von 1–3 Riegeln pro Tag, die bewertet wurden eine Skala von 0 bis 10. Die Teilnehmer füllten den PROMIS-Fragebogen (NIH Patient-Reported Outcomes Measurement Information Systems)65 aus, um die Auswirkungen der präbiotischen Intervention auf gastrointestinale Symptome, einschließlich Stuhlgang, Stuhlkonsistenz, Bauchbeschwerden/-schmerzen, Blähungen und Blähungen, zu bewerten eine Skala von 1 (am besten) bis 10 (am schlechtesten).

Die Teilnehmer sammelten den Stuhl zu Hause 12–24 Stunden vor Beginn und Ende der Studienbesuche mit einem anaeroben Sammelset (BD Gaspak, Becton Dickinson and Company, Sparks, MD)66. Zu Beginn und am Ende der Studie wurde Blut gesammelt, innerhalb einer Stunde nach der Entnahme auf Serum und Plasma aufbereitet und bis zur Analyse bei –80 °C gelagert.

Das Stuhlmikrobiom wurde mittels nicht gezielter Shotgun-Metagenomsequenzierung sowie taxonomischer und funktioneller Genprofilierung beurteilt. Die Gesamt-DNA wurde aus Stuhlproben (250 mg) mit dem FastDNA Bead-Beating Spin Kit for Soil (MP Biomedicals, Solon, OH, USA) extrahiert und mit fluorometrischer Quantifizierung (Qubit 3.0, Life Technologies, Grand Island, NY) verifiziert. Die Bibliotheksvorbereitung wurde unter Verwendung eines Swift 2 Turbo DNA Library-Kits (Swift Biosciences, Ann Arbor, MI) mit 50 ng eingegebener DNA und fünf PCR-Zyklen zur Indizierung mit eindeutigen Doppelindizes durchgeführt. Die Bibliotheken wurden auf einem Illumina NovaSeq6000-Instrument unter Verwendung einer SP-Durchflusszelle (Paired-End-2 × 150-Base-Reads) sequenziert. Bibliotheken wurden in der Genomics and Microbiome Core Facility des Rush University Medical Center erstellt und die Sequenzierung wurde im DNA Services Lab der University of Illinois in Urbana-Champaign durchgeführt. Rohe FASTQ-Dateien wurden mit FastQC (Version 0.11.9) auf Qualität überprüft. Die Sequenzablesungen wurden mit dem Algorithmus bbduk (Department of Energy Joint Genome Institute)67 qualitätsgefiltert und getrimmt. Gefilterte und gekürzte Daten wurden erneut mit FastQC (Version 0.11.9) auf Qualität überprüft. Die taxonomische Profilerstellung wurde mit MetaPhlAn3 (v3.0.7) erstellt und die funktionale Profilerstellung wurde mit dem Softwarepaket HUMAnN3 (v3.0.0.α.3) durchgeführt, das dem UniRef90-Katalog (UniRef-Version 2019_01) zugeordnet wurde68. Taxonomische und funktionelle Genwegbiologische Beobachtungsmatrizen (BIOMs) werden in der Quelldatendatei bereitgestellt. Die relativen Häufigkeitstabellen von UniRef90 wurden in die folgenden übergeordneten Organisationen umgruppiert: MetaCyc-Pfade, KEGG-Orthologie und UniProt-Genfamilien. Die gesamte nachgelagerte Datenverarbeitung (d. h. Alpha-Diversität, Beta-Diversität, Funktionspfade, PERMANOVA, Spearman-Korrelationen und Schwerpunkt-basierte NMDS-Diagramme) wurde mithilfe von Open-Source-Paketen innerhalb der Programmiersprache R durchgeführt. Rohsequenzdaten (FASTQ-Dateien) wurden im Sequence Read Archive (SRA) des National Center for Biotechnology Information (NCBI) unter der BioProject-ID PRJNA756556 hinterlegt.

SCFA-Analysen wurden an der Proteomics and Metabolomics Facility der Colorado State University (Fort Collins, CO) unter Verwendung von Gaschromatographie-Massenspektrometrie (GC-MS)69 durchgeführt. Plasma (200 μl) wurde zu 30 μl kalter interner Standardlösung mit 50 μg/ml 13C2-Acetat in 2 N HCl hinzugefügt. Die Proben wurden gevortext (30 s), gefolgt von der Zugabe von 0,35 ml kaltem Methyl-tertiär-butylether (MTBE) und erneut gevortext (15 s). Die Proben wurden zentrifugiert (3000 × g, 10 min, 4 °C) und die obere MTBE-Schicht wurde gewonnen und bis zur Analyse bei –20 °C gelagert. Der MTBE-Extrakt (1 μl) wurde in einen Trace 1310 GC injiziert, der mit einem Thermo ISQ-LT MS gekoppelt war, in einem Aufteilungsverhältnis von 5:1 von Thermo Fisher Scientific (Waltham, MA). Der Einlass wurde auf 240 °C gehalten. Die SCFA-Trennung wurde auf einer 30 m DB-WAXUI-Säule (J&W, 0,25 mm ID, 0,25 μm Filmdicke) erreicht. Die Ofentemperatur wurde 0,5 Minuten lang bei 100 °C gehalten, dann mit 10 °C/Minute auf 175 °C erhöht, dann mit 40 °C/Minute auf 240 °C erhöht und 3 Minuten lang bei 240 °C gehalten. Der Helium-Trägergasfluss wurde auf 1,2 ml/min gehalten. Die Temperaturen der Transferleitung und der Ionenquelle wurden beide auf 250 °C gehalten. Im SIM-Modus wurden die Ionen 45, 60, 62, 73, 74, 88 mit einer Geschwindigkeit von 10 Scans/s im Elektronenstoßmodus gescannt. Die Datenverarbeitung wurde mit der Chromeleon-Software (Version 7.3.1, Thermo Fisher Scientific) abgeschlossen. Retentionszeiten wurden verwendet, um Acetat, Butyrat und Propionat von anderen Metaboliten (z. B. verzweigtkettigen Fettsäuren, Isobuttersäure, Isovaleriansäure, Isopropionat) zu unterscheiden69. Der Bereich der Nachweisgrenze (LOD) betrug 0,3–0,6 µg/ml für Acetat und 0,03–0,12 µg/ml für Propionat und Butyrat.

Stuhl-Calprotectin ist ein zuverlässiger und weit verbreiteter Marker zur Beurteilung von Darmentzündungen, unter anderem bei PD29,46,52. Es besteht ein direkter Zusammenhang zwischen Calprotectin-Spiegeln und Darmentzündungen, die sowohl endoskopisch als auch histologisch beurteilt werden70, und Calprotectin ist der Goldstandard zur Überwachung von Darmentzündungen und zur Beurteilung des Ansprechens auf die Behandlung bei Patienten mit entzündlichen Darmerkrankungen (IBD)71. ELISA wurde verwendet, um Stuhl-Calprotectin zu untersuchen (BÜHLMANN fCAL® ELISA-EK-CAL; BUHLMANN Diagnostics Corp, Amherst, NH, Bereich: 30–1800 μg/g, die Proben wurden gemäß den Anweisungen des Herstellers doppelt getestet und die Daten lagen alle innerhalb der Bereich des Tests).

Zonulin moduliert die Darmbarriere und gilt als Marker für die Integrität der Darmbarriere. Es wird mit Darmentzündungen in Verbindung gebracht und soll bei Parkinson-Patienten erhöht sein24,29,46,50,52,72,73. Darüber hinaus sind die Zonulinspiegel bei Patienten mit chronisch entzündlichen Erkrankungen erhöht, von denen bekannt ist, dass die Integrität der Darmbarriere gestört ist (z. B. COVID-19, Diabetes, Reizdarmsyndrom (IBS))73,74,75,76. Zur Bestimmung von Plasma-Zonulin wurde ein kommerziell erhältliches ELISA-Kit verwendet (MBS706368, MyBioSource, Bereich: 0,625–40 ng/ml, alle Proben wurden doppelt getestet und die Daten lagen im Bereich des Tests).

Lipopolysaccharid (LPS)-bindendes Protein (LBP) wird häufig als Marker für die bakterielle Translokation und die Entzündungsreaktion auf die Exposition gegenüber LPS verwendet (d. h. LPS bindet an LBP und bildet einen Komplex, der anschließend an CD14 bindet, um eine Immunantwort auszulösen)77,78 ,79,80. Die LBP-Spiegel im Serum sind während einer Sepsis erhöht und die LBP-Spiegel sind bei Erkrankungen hochreguliert, die mit einer chronischen, geringgradigen Entzündung einhergehen, die durch eine Mikrobiota-Dysbiose und eine Funktionsstörung der Darmbarriere hervorgerufen wird, einschließlich bei PD-Patienten47,48,49,81. LBP wurde in dieser Studie mittels ELISA bewertet (HK3151, Hycult Biotech, Bereich: 4,4–50 ng/ml, Proben 1:1500 verdünnt, alle Proben wurden doppelt getestet und die Daten lagen im Bereich des Tests).

Entzündungszytokine im Serum wurden mit dem V-PLEX Pro-inflammatorischen Panel 1 Human Kit bewertet, einschließlich Interferon-gamma (IFN-γ), Interleukin (IL)-6, IL-8, IL-10 und Tumornekrosefaktor-alpha (TNF). -α) (K15049D, Meso Scale Diagnostics, LLC, Rockville, MD, USA, Bereich: IFN-γ: 0,37–938 pg/ml, IL-6: 0,06–488 pg/ml, IL-8: 0,07–375 pg /ml, IL-10: 0,04–233 pg/ml, TNF-α: 0,04–248 pg/ml, alle Proben wurden doppelt getestet und die Daten lagen im Bereich des Tests.

C-reaktives Protein (CRP) ist ein Akute-Phase-Protein, das zuverlässig zur Beurteilung von Entzündungen verwendet wird und von Labcorp (Labcorp, Dublin OH, (Bereich 0–10 mg/L)) bewertet wurde.

Das Serum-High-Mobility-Group-Box-1-Protein (HMGB-1) wurde als neuroinflammatorischer Biomarker untersucht (ELISA NBP2-62766, NOVUS Biological, Bereich: 0,031–2 ng/ml, Proben 1:500 verdünnt, alle Proben wurden im Duplikat getestet und). (die Daten lagen innerhalb des Testbereichs)82.

Der aus dem Gehirn stammende neurotrophe Faktor (BDNF) ist ein neurotropher Faktor, der das Überleben und die Funktion von Neuronen unterstützt. Der Serum-BDNF wurde bewertet (K1516WK, U-PLEX, Meso Scale Diagnostics, LLC, Bereich: 0,72–2000 pg/ml, Proben verdünnt 1 :4, die Proben wurden doppelt getestet, vier Proben lagen über der höchsten Nachweisgrenze des Assays (2000 pg/ml) und wurden für die Analyse auf das Assay-Maximum von 2000 pg/ml eingestellt)83,84.

Die Serum-Neurofilament-Leichtkette (NfL) wurde als Biomarker der Neurodegeneration bewertet (F217X, R-PLEX, Meso Scale Diagnostics, LLC, Bereich: 5,5–50.000 pg/ml, alle Proben wurden im Duplikat getestet und die Daten lagen im Bereich der Test)85,86.

Demografische Daten, einschließlich Alter, Geschlecht, PD-Behandlungsstatus, UPDRS, H&Y-Stadium und Krankheitsdauer, wurden mithilfe deskriptiver Statistiken zusammengefasst. Die Ergebnisse dieser Proof-of-Concept-Studie waren Verträglichkeit und Durchführbarkeit, Sicherheit und gastrointestinale Symptome sowie biologische Ergebnisse. Diese Studie war nicht darauf ausgelegt, die motorischen Symptome der Parkinson-Krankheit zu beurteilen. Veränderungen der gastrointestinalen Symptome und Nebenwirkungen (z. B. Blähungen, Durchfall) vom Ausgangswert bis nach der präbiotischen Intervention wurden mit einem zweiseitigen, gepaarten t-Test oder einem Wilcoxon-Signed-Rank-Test bewertet. Für Veränderungen der gastrointestinalen Symptome wurde eine Regressionsanalyse durchgeführt, wobei Gruppe, Alter, Krankheitsdauer und Levodopa-Äquivalentdosis in das Modell einbezogen wurden. Explorative Analysen wurden verwendet, um die motorischen UPDRS-Scores zwischen dem Ausgangswert und nach einer präbiotischen Intervention mithilfe eines zweiseitigen, gepaarten t-Tests zu vergleichen. Biologische Ergebnisse (d. h. SCFA, Integrität der Darmbarriere, Entzündung, NfL usw.) wurden entweder mit einem zweiseitigen, gepaarten t-Test oder einem zweiseitigen, von Wilcoxon signierten Rangtest analysiert, um Veränderungen zwischen dem Ausgangswert und nach der präbiotischen Intervention zu bewerten . Die Analysen wurden mit der Software GraphPad Prism (v9.0, GraphPad Software LLC, San Diego, CA) durchgeführt. Ein AP-Wert <0,05 wurde als signifikant angesehen. Vor der Durchführung der Analysen wurde der Shapiro-Wilks-Normalitätstest durchgeführt. Anpassungen für Mehrfachvergleiche (q-Werte) wurden wie angegeben angewendet.

Die mikrobielle Profilierung fermentierter Stuhlproben mittels 16 S-rRNA-Gen-Amplikonsequenzierung und SCFA-Datenanalyse wurde wie folgt durchgeführt. Demultiplexte und vorverarbeitete 16 S-rRNA-Gensequenzablesungen wurden als rohe Paired-End-FASTQ-Sequenzdateien bereitgestellt. Die Rohdateien wurden mit dem Softwarepaket QIIME287 (q2) Version 2020-2 importiert und verarbeitet. Amplikonsequenzvarianten (ASVs) wurden mit DADA2 generiert, wobei die Sequenzen auf 153 Basenpaare gekürzt wurden. Der Sequenzabgleich und die Konstruktion eines Phylogeniebaums wurden mithilfe der QIIME2-Pipeline align-to-tree-mafft-fasttree durchgeführt, und die taxonomische Zuordnung wurde mithilfe des q2-feature-classifier-Plugins anhand der SILVA SSU-rRNA-Referenzdatenbank88 mit 99 % spezifischer Ähnlichkeit durchgeführt die V4 16 S-Region. Die Anzahl der Lesevorgänge von jeder Probe wurde für die nachgelagerte Analyse auf 5563 Sequenzen/Probe reduziert. Relative Häufigkeiten wurden durch Kollabieren verdünnter ASVs auf der taxonomischen Ebene der Gattung für die verschiedenen Substratfermente erhalten. Unterschiede zwischen mikrobiellen Gruppen wurden durch hierarchische Clusterbildung und Heatmap-Analyse unter Verwendung des Ward-Algorithmus und durch Zusammenführen von Clustern basierend auf euklidischen Abständen über das webbasierte Tool MicrobiomeAnalyst (https://www.microbiomeanalyst.ca/)89,90 visualisiert. Die SCFA-Datenanalyse aus der Stuhlfermentation wurde für jedes SCFA und die gesamte SCFA-Produktion unter Verwendung einer einfaktoriellen ANOVA, gefolgt von Tukeys Post-hoc-Test, durchgeführt, wobei die P-Werte für mehrere Vergleiche mithilfe der Software GraphPad Prism (v9.0, GraphPad Software LLC, San Diego, Kalifornien).

Separat wurde eine Analyse der Shotgun-Metagenomsequenzdaten des Stuhlmikrobioms von PD-Teilnehmern durchgeführt. Analysen der Alpha- und Beta-Diversität wurden verwendet, um Veränderungen in der mikrobiellen Gemeinschaftsstruktur zwischen dem Ausgangswert und nach der präbiotischen Intervention zu untersuchen. Es wurde auch eine Subgruppenanalyse von neu diagnostizierten, nicht medikamentös behandelten und behandelten PD-Teilnehmern durchgeführt. Alpha-Diversitätsmetriken (dh Shannon-Index, Simpson-Index, Reichtum und Gleichmäßigkeit) wurden aus verdünnten Datensätzen (1 Million Sequenzen/Probe) auf taxonomischer Artenebene berechnet. Gruppenvergleiche wurden mit einem zweiseitigen, vorzeichenbehafteten Wilcoxon-Rang-Paartest in GraphPad Prism (v9.0, GraphPad Software LLC, San Diego, CA) durchgeführt. Permutationsmultivariate Varianzanalyse (PERMANOVA)91 und Permutationsanalyse multivariater Dispersionen (PERMDISP)92 wurden verwendet, um die mikrobielle Gemeinschaftsstruktur vor und nach dem präbiotischen Eingriff auf taxonomischer Artenebene zu vergleichen. Die Signifikanz der PERMANOVA- und PERMDISP-Werte wurde mithilfe von 9999 Permutationen bestimmt und mithilfe der Benjamini-Hochberg-Methode korrigiert. Die Visualisierung der grundlegenden mikrobiellen Gemeinschaftsstruktur neu diagnostizierter, nicht medikamentöser und behandelter PD-Teilnehmer wurde mithilfe der Hauptkoordinatenanalyse (PCoA) basierend auf einer Bray-Curtis-Dissimilaritätsdistanzmatrix im Softwarepaket QIIME287 durchgeführt. Nichtmetrische mehrdimensionale Skalierungsdiagramme (NMDS) der Bakterienartengemeinschaft wurden verwendet, um Daten vom Ausgangswert und nach dem präbiotischen Eingriff zu visualisieren. Jede Probe wurde mit einem Schwerpunkt verbunden, der den Mittelwert der Gruppe darstellt (dh Basislinie oder nach Präbiotikum). Der Wilcoxon-Signed-Rank-Test wurde verwendet, um deutlich unterschiedliche häufige Merkmale (z. B. Taxa, Gene/Signalwege) zwischen dem Ausgangswert und nach der präbiotischen Intervention zu identifizieren. Die Ergebnisse wurden mit der Benjamini-Hochberg-Methode korrigiert. Unterschiede in der relativen Häufigkeit einzelner Taxa und funktioneller Gene/Signalwege mit einer relativen Häufigkeit von mehr als 0,1 % wurden auf Signifikanz geprüft. Der Rangkorrelationskoeffizient nach Spearman wurde mithilfe der Benjamini-Hochberg-Methode zwischen der relativen Artenhäufigkeit, experimentellen Messungen und klinischen Parametern erstellt und korrigiert. Die für die Korrelationsanalyse verwendeten Daten wurden mithilfe der Log2-fachen Änderung gegenüber dem Ausgangswert transformiert.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Portfolio Reporting Summary.

Individuelle Teilnehmerdaten, die den Ergebnissen in diesem Artikel nach der Anonymisierung zugrunde liegen, sowie der Analysecode werden sofort nach der Veröffentlichung auf unbestimmte Zeit unter den unten angegebenen Links für jeden verfügbar gemacht, der zu irgendeinem Zweck auf die Daten zugreifen möchte. Alle in dieser Studie generierten Sequenzierungsablesungen wurden in der BioProject-Datenbank des National Center for Biotechnology Information (NCBI) unter den Zugangsnummern PRJNA852512 (16 S rRNA) und PRJNA756556 (Metagenomics) hinterlegt. Die für das Alignment verwendete SILVA 16 S rRNA-Datenbank ist unter https://data.qiime2.org/2022.2/common/silva-138-99-515-806-nb-classifier.qza verfügbar. Die in dieser Studie generierten Daten und Analysen sind in zwei Quelldatendateien verfügbar – 16 S rRNA-Sequenzierung: https://github.com/ThaisaJungles/prebioticmixPD und Shotgun Metagenomics: https://zenodo.org/record/7327971. Quelldaten werden mit diesem Dokument bereitgestellt.

Benutzerdefinierter Code zur Generierung von Zahlen und statistischen Vergleichen ist für 16 S-rRNA-Sequenzierungsdaten (https://github.com/ThaisaJungles/prebioticmixPD) und metagenomische Shotgun-Daten (https://zenodo.org/record/7327971) verfügbar.

Zheng, D., Liwinski, T. & Elinav, E. Wechselwirkung zwischen Mikrobiota und Immunität bei Gesundheit und Krankheit. Zellauflösung 30, 492–506 (2020).

Artikel PubMed PubMed Central Google Scholar

Bullich, C., Keshavarzian, A., Garssen, J., Kraneveld, A. & Perez-Pardo, P. Darmvibes bei der Parkinson-Krankheit: die Mikrobiota-Darm-Hirn-Achse. Mov. Unordnung. Klin. Pr. 6, 639–651 (2019).

Artikel Google Scholar

Park, J. & Kim, CH Regulierung häufiger neurologischer Störungen durch mikrobielle Darmmetaboliten. Exp. Mol. Med. 53, 1821–1833 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Castillo-Alvarez, F. & Marzo-Sola, ME Rolle der Darmmikrobiota bei der Entwicklung verschiedener neurologischer Erkrankungen. Neurologia 37, 492–498 (2019).

Google Scholar

Keshavarzian, A., Engen, P., Bonvegna, S. & Cilia, R. Das Darmmikrobiom bei der Parkinson-Krankheit: ein Schuldiger oder ein Unbeteiligter? Prog. Gehirn Res. 252, 357–450 (2020).

Artikel PubMed Google Scholar

Lubomski, M. et al. Parkinson-Krankheit und das gastrointestinale Mikrobiom. J. Neurol. 267, 2507–2523 (2019).

Artikel PubMed Google Scholar

Nuzum, ND et al. Unterschiede der Darmmikrobiota zwischen gesunden älteren Erwachsenen und Personen mit Parkinson-Krankheit: eine systematische Überprüfung. Neurosci. Bioverhalten. Rev. 112, 227–241 (2020).

Artikel PubMed Google Scholar

Hirayama, M. & Ohno, K. Parkinson-Krankheit und Darmmikrobiota. Ann. Nutr. Metab. 77, 28–35 (2021).

Artikel CAS PubMed Google Scholar

Keshavarzian, A. et al. Zusammensetzung der Darmbakterien bei der Parkinson-Krankheit. Mov. Unordnung. 30, 1351–1360 (2015).

Artikel CAS PubMed Google Scholar

Scheperjans, F. et al. Darmmikrobiota stehen im Zusammenhang mit der Parkinson-Krankheit und dem klinischen Phänotyp. Mov. Unordnung. 30, 350–358 (2015).

Artikel PubMed Google Scholar

Li, C. et al. Die Darmmikrobiota unterscheidet sich zwischen Parkinson-Patienten und gesunden Kontrollpersonen im Nordosten Chinas. Vorderseite. Mol. Neurosci. 12, 171 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Aho, VTE et al. Darmmikrobiota bei der Parkinson-Krankheit: zeitliche Stabilität und Beziehungen zum Krankheitsverlauf. EBioMedicine 44, 691–707 (2019).

Artikel PubMed PubMed Central Google Scholar

Hill-Burns, EM et al. Die Parkinson-Krankheit und Parkinson-Medikamente weisen unterschiedliche Signaturen des Darmmikrobioms auf. Mov. Unordnung. 32, 739–749 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Huang, Y. et al. Rückblick: Die Rolle der Darmdysbiose bei der Parkinson-Krankheit. Vorderseite. Zellinfektion. Mikrobiol. 11, 615075 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Sun, MF & Shen, YQ Dysbiose der Darmmikrobiota und mikrobieller Metaboliten bei der Parkinson-Krankheit. Alterungsres. Rev. 45, 53–61 (2018).

Artikel CAS PubMed Google Scholar

Martin-Gallausiaux, C., Marinelli, L., Blottiere, HM, Larraufie, P. & Lapaque, N. SCFA: Mechanismen und funktionelle Bedeutung im Darm. Proz. Nutr. Soc. 80, 37–49 (2021).

Artikel CAS PubMed Google Scholar

Barbara, G. et al. Entzündungs- und mikrobiotabedingte Regulierung der Darmepithelbarriere. Vorderseite. Nutr. 8, 718356 (2021).

Artikel PubMed PubMed Central Google Scholar

Brown, GC Die Endotoxin-Hypothese der Neurodegeneration. J. Neuroinflammation 16, 180 (2019).

Artikel PubMed PubMed Central Google Scholar

Lively, S. & Schlichter, LC Mikroglia-Reaktionen auf proinflammatorische Reize (LPS, IFNgamma+TNFalpha) und Neuprogrammierung durch Auflösung von Zytokinen (IL-4, IL-10). Vorderseite. Zellneurosci. 12, 215 (2018).

Artikel PubMed PubMed Central Google Scholar

Cantu-Jungles, TM, Rasmussen, HE & Hamaker, BR Potenzial präbiotischer butyrogener Fasern bei der Parkinson-Krankheit. Vorderseite. Neurol. 10, 663 (2019).

Artikel PubMed PubMed Central Google Scholar

Rose, DJ, DeMeo, MT, Keshavarzian, A. & Hamaker, BR Einfluss von Ballaststoffen auf entzündliche Darmerkrankungen und Dickdarmkrebs: Bedeutung des Fermentationsmusters. Nutr. Rev. 65, 51–62 (2007).

Artikel PubMed Google Scholar

Kaur, A. et al. Die physische Unzugänglichkeit einer resistenten Stärke verschiebt die Darmmikrobiota der Maus zu butyrogenen Firmicutes. Mol. Nutr. Lebensmittelres. 63, e1801012 (2019).

Artikel PubMed Google Scholar

Hamaker, BR & Tuncil, YE Eine Perspektive auf die Komplexität von Ballaststoffstrukturen und ihre mögliche Wirkung auf die Darmmikrobiota. J. Mol. Biol. 426, 3838–3850 (2014).

Artikel CAS PubMed Google Scholar

Aho, VTE et al. Beziehungen zwischen Darmmikrobiota, kurzkettigen Fettsäuren, Entzündungen und der Darmbarriere bei der Parkinson-Krankheit. Mol. Neurodegener. 16, 6 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Unger, MM et al. Kurzkettige Fettsäuren und Darmmikrobiota unterscheiden sich zwischen Patienten mit Parkinson-Krankheit und altersentsprechenden Kontrollpersonen. Parkinsonismus Relat. Unordnung. 32, 66–72 (2016).

Artikel PubMed Google Scholar

Grabitske, HA & Slavin, JL Gastrointestinale Auswirkungen schwer verdaulicher Kohlenhydrate. Krit. Rev. Food Sci. Nutr. 49, 327–360 (2009).

Artikel CAS PubMed Google Scholar

Marteau, P. & Flourie, B. Toleranz gegenüber schwer verdaulichen Kohlenhydraten: Symptomatik und Methoden. Br. J. Nutr. 85, 17–21 (2001).

Artikel Google Scholar

Mao, L. et al. Querschnittsstudie zum Darmmikrobiom von Parkinson-Patienten in Zentralchina. Vorderseite. Mikrobiol. 12, 728479 (2021).

Artikel PubMed PubMed Central Google Scholar

Dumitrescu, L. et al. Serum- und Stuhlmarker für Darmentzündungen und die Durchlässigkeit der Darmbarriere sind bei der Parkinson-Krankheit erhöht. Vorderseite. Neurosci. 15, 689723 (2021).

Artikel PubMed PubMed Central Google Scholar

Toledo, ARL et al. Darm-Hirn-Achse als pathologisches und therapeutisches Ziel neurodegenerativer Erkrankungen. Int. J. Mol. Wissenschaft. 23, 1184 (2022).

Artikel CAS PubMed PubMed Central Google Scholar

Cannon, T. & Gruenheid, S. Mikroben und Parkinson-Krankheit: von Assoziationen zu Mechanismen. Trends Mikrobiol. 30, 749–760 (2022).

Artikel CAS PubMed Google Scholar

Moustafa, SA et al. Darm-Hirn-Achse: Ein Einblick in die Rolle der Mikrobiota bei der Parkinson-Krankheit. Metab. Brain Dis. 36, 1545–1557 (2021).

Artikel PubMed Google Scholar

Qin, L. et al. Systemisches LPS verursacht chronische Neuroinflammation und fortschreitende Neurodegeneration. Glia 55, 453–462 (2007).

Artikel PubMed PubMed Central Google Scholar

Sampson, T. Der Einfluss einheimischer Mikroben auf die Parkinson-Krankheit. Neurobiol. Dis. 135, 104426 (2019).

Artikel PubMed Google Scholar

Abramov, AY, Potapova, EV, Dremin, VV & Dunaev, AV Wechselwirkung von oxidativem Stress und fehlgefalteten Proteinen im Mechanismus der Neurodegeneration. Leben 10, 101 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Gao, HM et al. Neuroinflammation und Alpha-Synuclein-Dysfunktion verstärken sich gegenseitig und treiben das chronische Fortschreiten der Neurodegeneration in einem Mausmodell der Parkinson-Krankheit voran. Umgebung. Gesundheitsperspektive. 119, 807–814 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Nam, GE et al. Metabolisches Syndrom und Parkinson-Risiko: eine landesweite Kohortenstudie. PLoS Med. 15, e1002640 (2018).

Artikel PubMed PubMed Central Google Scholar

De Pablo-Fernandez, E., Goldacre, R., Pakpoor, J., Noyce, AJ & Warner, TT Zusammenhang zwischen Diabetes und nachfolgender Parkinson-Krankheit: eine Record-Linkage-Kohortenstudie. Neurology 91, e139–e142 (2018).

Artikel PubMed Google Scholar

Lee, HS, Lobbestael, E., Vermeire, S., Sabino, J. & Cleynen, I. Entzündliche Darmerkrankung und Parkinson-Krankheit: häufige pathophysiologische Zusammenhänge. Gut 70, 408–417 (2021).

CAS PubMed Google Scholar

Stirpe, P., Hoffman, M., Badiali, D. & Colosimo, C. Verstopfung: ein neuer Risikofaktor für die Parkinson-Krankheit? EUR. J. Neurol. 23, 1606–1613 (2016).

Artikel CAS PubMed Google Scholar

Van Laar, T., Boertien, JM & Herranz, AH Stuhltransplantation, Pro- und Präbiotika bei Parkinson-Krankheit; Hoffnung oder Hype? J. Parkinsons Dis. 9, S371–S379 (2019).

Artikel PubMed PubMed Central Google Scholar

Hutkins, RW et al. Präbiotika: Warum Definitionen wichtig sind. Curr. Meinung. Biotechnologie. 37, 1–7 (2016).

Artikel CAS PubMed Google Scholar

Clairembault, T. et al. Strukturelle Veränderungen der Darmepithelbarriere bei der Parkinson-Krankheit. Acta Neuropathol. Komm. 3, 12 (2015).

Artikel PubMed PubMed Central Google Scholar

van, ISCD & Derkinderen, P. Die Darmbarriere bei der Parkinson-Krankheit: aktueller Wissensstand. J. Parkinsons Dis. 9, S323–S329 (2019).

Artikel Google Scholar

Forsyth, CB et al. Eine erhöhte Darmpermeabilität korreliert mit der Alpha-Synuclein-Färbung der Sigmaschleimhaut und Endotoxin-Expositionsmarkern im Frühstadium der Parkinson-Krankheit. PLoS ONE 6, e28032 (2011).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Schwiertz, A. et al. Stuhlmarker für Darmentzündungen und Darmpermeabilität sind bei der Parkinson-Krankheit erhöht. Parkinsonismus Relat. Unordnung. 50, 104–107 (2018).

Artikel PubMed Google Scholar

Hasegawa, S. et al. Darmdysbiose und vermindertes Serum-Lipopolysaccharid-bindendes Protein bei der Parkinson-Krankheit. PLoS ONE 10, e0142164 (2015).

Artikel PubMed PubMed Central Google Scholar

Chen, SJ, Chi, YC, Ho, CH, Yang, WS & Lin, CH Plasma-Lipopolysaccharid-bindendes Protein spiegelt Risiko und Fortschreiten der Parkinson-Krankheit wider. J. Parkinsons Dis. 11, 1129–1139 (2021).

Artikel CAS PubMed Google Scholar

Pal, GD et al. Abnormales Lipopolysaccharid-bindendes Protein als Marker für gastrointestinale Entzündungen bei der Parkinson-Krankheit. Vorderseite. Neurosci. 9, 306 (2015).

Artikel PubMed PubMed Central Google Scholar

Fasano, A. Zonulin-Messungsrätsel: Verwirrung zur Verwirrung führt nicht zu Klarheit. Gut 70, 2007–2008 (2021).

Artikel PubMed Google Scholar

Massier, L., Chakaroun, R., Kovacs, P. & Heiker, JT Das Bild in der Leaky-Gut-Forschung verwischt: Wie Mängel von Zonulin als Biomarker das Gebiet der Darmpermeabilität in die Irre führen. Gut 70, 1801–1802 (2021).

Artikel PubMed Google Scholar

Mulak, A., Koszewicz, M., Panek-Jeziorna, M., Koziorowska-Gawron, E. & Budrewicz, S. Calprotectin im Stuhl als Marker für die Aktivierung des Darmimmunsystems ist bei der Parkinson-Krankheit erhöht. Vorderseite. Neurosci. 13, 992 (2019).

Artikel PubMed PubMed Central Google Scholar

Palermo, G. et al. Verschiedene klinische Kontexte der Verwendung des Blut-Neurofilament-Leichtkettenproteins im Spektrum neurodegenerativer Erkrankungen. Mol. Neurobiol. 57, 4667–4691 (2020).

Artikel CAS PubMed Google Scholar

van Kessel, SP et al. Darmbakterielle Tyrosin-Decarboxylasen reduzieren den Levodopa-Spiegel bei der Behandlung der Parkinson-Krankheit. Nat. Komm. 10, 310 (2019).

Artikel ADS PubMed PubMed Central Google Scholar

Maini Rekdal, V., Bess, EN, Bisanz, JE, Turnbaugh, PJ & Balskus, EP Entdeckung und Hemmung eines artenübergreifenden Darmbakterienwegs für den Levodopa-Metabolismus. Wissenschaft 364, 364 (2019).

Artikel Google Scholar

Jameson, KG & Hsiao, EY Ein neuartiger Weg für den mikrobiellen Metabolismus von Levodopa. Nat. Med. 25, 1195–1197 (2019).

Artikel CAS PubMed PubMed Central Google Scholar

Tuncil, YE et al. Verzögerte Nutzung einiger schnell fermentierender löslicher Ballaststoffe durch die menschliche Darmmikrobiota, wenn sie in einer Mischung präsentiert werden. J. Funktion Lebensmittel 32, 347–357 (2017).

Artikel CAS Google Scholar

Cantu-Jungles, TM et al. Die In-vitro-Fermentation von Cookeina speciosa glucans stimuliert gezielt das Wachstum des butyrogenen Clostridium-Clusters XIVa. Kohlenhydrat. Polym. 183, 219–229 (2018).

Artikel CAS PubMed Google Scholar

Naqib, A. et al. Herstellung und Sequenzierung stark gemultiplexter 16S-ribosomaler RNA-Gen-Amplikonbibliotheken mit hohem Durchsatz unter Verwendung eines flexiblen, zweistufigen PCR-Protokolls. Methoden Mol. Biol. 1783, 149–169 (2018).

Artikel PubMed Google Scholar

Moonsamy, PV et al. Hochdurchsatz-HLA-Genotypisierung mit 454-Sequenzierung und dem Fluidigm Access Array System zur vereinfachten Vorbereitung der Amplikonbibliothek. Tissue Antigens 81, 141–149 (2013).

Artikel CAS PubMed Google Scholar

Fahn, S., Elton, R. & Mitglieder des UPDRS-Entwicklungsausschusses. Einheitliche Bewertungsskala für die Parkinson-Krankheit. in Recent Development in Parkinson's Disease (Hrsg. Fahn, S. et al.) 153–164 (Macmillan Health Care Information, 1987).

Hoehn, MM & Yahr, MD Parkinsonismus: Beginn, Verlauf und Mortalität. Neurology 17, 427–442 (1967).

Artikel CAS PubMed Google Scholar

Hughes, AJ, Daniel, SE, Kilford, L. & Lees, AJ Genauigkeit der klinischen Diagnose der idiopathischen Parkinson-Krankheit: eine klinisch-pathologische Studie mit 100 Fällen. J. Neurol. Neurochirurg. Psychiatrie 55, 181–184 (1992).

Artikel CAS PubMed PubMed Central Google Scholar

Schröder, H. et al. Ein kurzer Screener eignet sich zur Beurteilung der Einhaltung der Mittelmeerdiät bei älteren spanischen Männern und Frauen. J. Nutr. 141, 1140–1145 (2011).

Artikel CAS PubMed Google Scholar

Spiegel, BM et al. Entwicklung der gastrointestinalen Symptomskalen des NIH Patient-Reported Outcomes Measurement Information System (PROMIS). Bin. J. Gastroenterol. 109, 1804–1814 (2014).

Artikel PubMed PubMed Central Google Scholar

Engen, PA et al. Einarmige, nicht randomisierte Zeitreihenstudie mit einem Probanden zur Transplantation fäkaler Mikrobiota bei Multipler Sklerose. Vorderseite. Neurol. 11, 978 (2020).

Artikel PubMed PubMed Central Google Scholar

Andrews, S. FastQC: ein Qualitätskontrolltool für Sequenzdaten mit hohem Durchsatz. https://www.bioinformatics.babraham.ac.uk/projects/fastqc/.

Beghini, F. et al. Integration taxonomischer, funktioneller und Stammprofilierung verschiedener mikrobieller Gemeinschaften mit bioBakery 3. eLife 10, e65088 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Yao, L. et al. Quantitative Analyse kurzkettiger Fettsäuren in menschlichem Plasma und Serum mittels GC-MS. Anal. Bioanal. Chem. 414, 4391–4399 (2022).

Artikel CAS PubMed Google Scholar

Theede, K. et al. Der Calprotectin-Spiegel im Stuhl korreliert mit endoskopischen und histologischen Entzündungen und identifiziert Patienten mit Schleimhautheilung bei Colitis ulcerosa. Klin. Gastroenterol. Hepatol. 13, 1929–1936 e1921 (2015).

Artikel CAS PubMed Google Scholar

Ricciuto, A. & Griffiths, AM Klinischer Wert von fäkalem Calprotectin. Krit. Rev. Clin. Laborwissenschaft. 56, 307–320 (2019).

Artikel CAS PubMed Google Scholar

Fasano, A. Zonulin, Regulierung von Tight Junctions und Autoimmunerkrankungen. Ann. N. und Acad. Wissenschaft. 1258, 25–33 (2012).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Sturgeon, C. & Fasano, A. Zonulin, ein Regulator der epithelialen und endothelialen Barrierefunktionen und seine Beteiligung an chronisch entzündlichen Erkrankungen. Tissue Barriers 4, e1251384 (2016).

Artikel PubMed PubMed Central Google Scholar

Giron, LB et al. Plasmamarker für eine gestörte Darmpermeabilität bei Patienten mit schwerer COVID-19-Erkrankung. Vorderseite. Immunol. 12, 686240 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Demir, E. et al. Plasma-Zonulinspiegel als nicht-invasiver Biomarker der Darmpermeabilität bei Frauen mit Schwangerschaftsdiabetes mellitus. Biomoleküle 9, 24 (2019).

Artikel PubMed PubMed Central Google Scholar

Singh, P. et al. Serumzonulin ist bei IBS erhöht und korreliert mit der Stuhlfrequenz bei IBS-D. Vereinigte Eur. Gastroenterol. J. 7, 709–715 (2019).

Artikel Google Scholar

Gutsmann, T. et al. Doppelte Rolle des Lipopolysaccharid (LPS)-bindenden Proteins bei der Neutralisierung von LPS und der Verstärkung der LPS-induzierten Aktivierung mononukleärer Zellen. Infizieren. Immun. 69, 6942–6950 (2001).

Artikel CAS PubMed PubMed Central Google Scholar

Ryu, JK et al. Die Rekonstruktion der LPS-Transferkaskade enthüllt strukturelle Determinanten innerhalb von LBP, CD14 und TLR4-MD2 für eine effiziente LPS-Erkennung und -Transfer. Immunität 46, 38–50 (2017).

Artikel CAS PubMed Google Scholar

Schumann, RR et al. Das Lipopolysaccharid-bindende Protein ist ein sekretorisches Akute-Phase-Protein der Klasse 1, dessen Gen durch APRF/STAT/3 und andere Zytokin-induzierbare Kernproteine ​​transkriptionell aktiviert wird. Mol. Zellbiol. 16, 3490–3503 (1996).

Artikel CAS PubMed PubMed Central Google Scholar

Zhou, Z., Xu, MJ & Gao, B. Hepatozyten: ein Schlüsselzelltyp für die angeborene Immunität. Zellmol. Immunol. 13, 301–315 (2016).

Artikel CAS PubMed Google Scholar

Chen, KF et al. Diagnostische Genauigkeit des Lipopolysaccharid-bindenden Proteins als Biomarker für Sepsis bei erwachsenen Patienten: eine systematische Überprüfung und Metaanalyse. PLoS ONE 11, e0153188 (2016).

Artikel PubMed PubMed Central Google Scholar

Paudel, YN et al. HMGB1: ein häufiger Biomarker und potenzielles Ziel für TBI, Neuroinflammation, Epilepsie und kognitive Dysfunktion. Vorderseite. Neurosci. 12, 628 (2018).

Artikel PubMed PubMed Central Google Scholar

Jiang, L. et al. Serumspiegel des aus dem Gehirn stammenden neurotrophen Faktors bei der Parkinson-Krankheit: eine Metaanalyse. Prog. Neuropsychopharmakol. Biol. Psychiatrie 88, 168–174 (2019).

Artikel CAS PubMed Google Scholar

Cohen-Cory, S., Kidane, AH, Shirkey, NJ & Marshak, S. Vom Gehirn abgeleiteter neurotropher Faktor und die Entwicklung struktureller neuronaler Konnektivität. Entwickler Neurobiol. 70, 271–288 (2010).

CAS PubMed PubMed Central Google Scholar

Bacioglu, M. et al. Neurofilament-Leichtkette in Blut und Liquor als Marker des Krankheitsverlaufs in Mausmodellen und bei neurodegenerativen Erkrankungen. Neuron 91, 494–496 (2016).

Artikel CAS PubMed Google Scholar

Mollenhauer, B. et al. Validierung der leichten Kette von Neurofilamenten im Serum als Biomarker für das Fortschreiten der Parkinson-Krankheit. Mov. Unordnung. 35, 1999–2008 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Estaki, M. et al. QIIME 2 ermöglicht eine umfassende End-to-End-Analyse verschiedener Mikrobiomdaten und Vergleichsstudien mit öffentlich verfügbaren Daten. Curr. Protokoll. Bioinforma. 70, e100 (2020).

Artikel Google Scholar

Quast, C. et al. Das SILVA-Ribosomal-RNA-Gendatenbankprojekt: verbesserte Datenverarbeitung und webbasierte Tools. Nukleinsäuren Res. 41, D590–D596 (2013).

Artikel CAS PubMed Google Scholar

Dhariwal, A. et al. MicrobiomeAnalyst: ein webbasiertes Tool zur umfassenden statistischen, visuellen und Metaanalyse von Mikrobiomdaten. Nukleinsäuren Res. 45, W180–W188 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Chong, J., Liu, P., Zhou, G. & Xia, J. Verwendung von MicrobiomeAnalyst für umfassende statistische, funktionale und Metaanalysen von Mikrobiomdaten. Nat. Protokoll. 15, 799–821 (2020).

Artikel CAS PubMed Google Scholar

Kelly, BJ et al. Schätzung der Aussagekraft und Stichprobengröße für Mikrobiomstudien unter Verwendung paarweiser Distanzen und PERMANOVA. Bioinformatik 31, 2461–2468 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Anderson, MJ Distanzbasierte Tests zur Homogenität multivariater Dispersionen. Biometrie 62, 245–253 (2006).

Artikel MathSciNet PubMed MATH Google Scholar

Referenzen herunterladen

Diese Studie wurde von der Consolidated Anti-Aging Foundation, Christine und John Bakalar, einem anonymen Spender, NIH R24 AA026801 (AK) und NIH R01 AG056653 (RMV) finanziert. AK möchte Frau Barbara und Herrn Larry Field, Frau Ellen und Herrn Philip Glass, Frau Marcia und Herrn Silas Keehn sowie der Familie Sklar für die philanthropische Finanzierung danken. Die Sponsoren spielten keine Rolle beim Studiendesign, der Datenerfassung und -analyse oder dem Verfassen von Manuskripten. Präbiotische Riegel wurden von BetterBiotics Inc. bereitgestellt. Das Studienteam möchte sich auch bei den Studienteilnehmern bedanken. Das Rush Parkinson’s Disease and Movement Disorder Program ist ein klinisches Kompetenzzentrum der Parkinson’s Foundation.

Diese Autoren haben gleichermaßen beigetragen: Deborah A. Hall, Robin M. Voigt.

Abteilung für Neurologische Wissenschaften, Rush University Medical Center, Chicago, IL, USA

Deborah A. Hall, Bichun Ouyang und Christopher G. Goetz

Abteilung für Innere Medizin, Rush University Medical Center, Chicago, IL, USA

Robin M. Voigt, Stefan J. Green, Christopher B. Forsyth, Richard Manfready und Ali Keshavarzian

Rush Medical College, Rush Center for Integrated Microbiome and Chronobiology Research, Rush University Medical Center, Chicago, IL, USA

Robin M. Voigt, Thaisa M. Cantu-Jungles, Bruce Hamaker, Phillip A. Engen, Maliha Shaikh, Shohreh Raeisi, Stefan J. Green, Ankur Naqib, Christopher B. Forsyth, Heather E. Rasmussen und Ali Keshavarzian

Abteilung für Anatomie und Zellbiologie, Rush University Medical Center, Chicago, IL, USA

Robin M. Voigt, Ankur Naqib, Christopher B. Forsyth und Ali Keshavarzian

Whistler Center for Carbohydrate Research, Department of Food Science, Purdue University, West Lafayette, IN, USA

Thaisa M. Cantu-Jungles, Bruce Hamaker & Tingting Chen

Genomics and Microbiome Core Facility, Rush University Medical Center, Chicago, IL, USA

Stefan J. Green

Staatliches Schlüssellabor für Lebensmittelwissenschaft und -technologie, Nanchang-Universität, Nanchang, China

Tingting Chen

Abteilung für Ernährungs- und Gesundheitswissenschaften, University of Nebraska, Lincoln, NE, USA

Heather E. Rasmussen

Medizinische Fakultät, Mercer University, Macon, GA, USA

Shahriar Sedghi

Abteilung für Physiologie, Rush University Medical Center, Chicago, IL, USA

Ali Keshavarzian

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

DAH: Studiendesign, Patientenrekrutierung, Patientenbeurteilung, Datenanalyse/-interpretation und verfasste den ersten Entwurf des Manuskripts; RMV: Konzeptualisierung der Hypothese und Studie, Studiendesign, Datenanalyse, Dateninterpretation, Verfassen, Überprüfen und Bearbeiten des Manuskripts sowie Überarbeitungen des Manuskripts; TMCJ: Konzeptualisierung der präbiotischen Mischung, Durchführung von Fermentationsstudien, Durchführung von Stuhl-SCFA-Messungen, Datenanalyse und Interpretation der Fermentationsstudien, Überprüfung und Bearbeitung des Manuskripts; BH: Konzeptualisierung der präbiotischen Mischung, überwachte Fermentationsstudien, Datenanalyse und Interpretation der Fermentationsstudien sowie Überprüfung und Bearbeitung des Manuskripts; PAE: verarbeitete biologische Proben, Lagerung biologischer Proben im Repository, durchgeführte überwachte Mikrobiom-Befragung, Mikrobiom-Datenanalyse und -interpretation sowie Überprüfung und Bearbeitung des Manuskripts; MS: überwachte blutbasierte Labormessungen, Datenanalyse blutbasierter Labormessungen sowie Überprüfung und Bearbeitung des Manuskripts; SR: Durchführung blutbasierter Labormessungen, Datenanalyse blutbasierter Labormessungen sowie Überprüfung und Bearbeitung des Manuskripts; TC: Fermentation von PD-Stuhl mit verschiedenen Fasertypen durchgeführt und Überprüfung und Bearbeitung des Manuskripts; SJG: überwachte Mikrobiom-Befragung, Analyse und Interpretation von Mikrobiom-Daten, Konzeptualisierung des präbiotischen Riegels sowie Überprüfung und Bearbeitung des Manuskripts; AN: führte eine Mikrobiom-Bioinformatik-Analyse, Überprüfung und Bearbeitung des Manuskripts durch; CBF: Studiendesign, Datenanalyse/-interpretation sowie Überprüfung und Bearbeitung des Manuskripts; RM: Datenanalyse/-interpretation sowie Überprüfung und Bearbeitung des Manuskripts; BO: Statistische Analyse sowie Überprüfung und Bearbeitung des Manuskripts; SIE: Konzeptualisierung des präbiotischen Riegels, Ernährungsanalyse sowie Überprüfung und Bearbeitung des Manuskripts; SS: Konzeptualisierung des präbiotischen Riegels und Überprüfung und Bearbeitung des Manuskripts; CGG: Studiendesign, Patientenrekrutierung, Patientenbeurteilung, Datenanalyse/-interpretation sowie Überprüfung und Bearbeitung des Manuskripts; AK: Konzeptualisierung der Hypothese und der Studie, Co-Autor des ersten Entwurfs des Manuskripts, Konzeptualisierung der präbiotischen Mischung und des präbiotischen Riegels; Studiendesign, Dateninterpretation sowie Überprüfung und Bearbeitung des Manuskripts.

Korrespondenz mit Ali Keshavarzian.

Der präbiotische Riegel wurde von BetterBiotics Inc. bereitgestellt, dessen Miteigentümer Dr. ist. Keshavarzian, Hamaker und Sedghi. Für die in dem Riegel verwendete präbiotische Mischung ist ein vorläufiges Patent angemeldet (Patentantragsteller: Purdue Research Foundation, Erfinder: Drs. Hamaker, Cantu-Jungles, Keshavarzian, Anmeldenummer: 69548-02, Status: Ausstehend, Patent deckt die Verwendung von Präbiotika ab zur Verbesserung der Gesundheit). Dr. Keshavarzian, Hamaker, Sedghi und Cantu-Jungles waren nicht an der Rekrutierung von Probanden, der Bewertung von Probanden oder der statistischen Analyse der Daten beteiligt. Die übrigen Autoren erklären keine konkurrierenden Interessen.

Nature Communications dankt Sabine Hazan, Robert Kleeman, George Savva und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Peer-Reviewer-Berichte sind verfügbar.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Hall, DA, Voigt, RM, Cantu-Jungles, TM et al. Eine offene, nicht randomisierte Studie zur Bewertung einer präbiotischen Faserintervention in einer kleinen Kohorte von Parkinson-Teilnehmern. Nat Commun 14, 926 (2023). https://doi.org/10.1038/s41467-023-36497-x

Zitat herunterladen

Eingegangen: 20. Februar 2022

Angenommen: 02. Februar 2023

Veröffentlicht: 18. Februar 2023

DOI: https://doi.org/10.1038/s41467-023-36497-x

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

npj Parkinson-Krankheit (2023)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.