缓解期溃疡性结肠炎脾虚证与肠道菌群的相关性研究

来源 :北京中医药大学 | 被引量 : 0次 | 上传用户:week11430
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究目的:近年来随着溃疡性结肠炎(ulcerative colitis,UC)发病率的逐年增高,已成为世界卫生组织公认的难治性疾病之一。目前UC的治疗主要以活动期诱导缓解和缓解期维持缓解为主,但UC缓解期极易复发,常反复发作,很难达到临床完全痊愈是UC治疗中的重要难题,而脾虚是缓解期UC的主要发病机制,目前已有大量研究证实肠道菌群菌群的失调程度与疾病的分期及活动程度相关联。故本研究主要目的为明确缓解期UC脾虚证患者与健康人肠道菌群中的相关性变化,以期从肠道菌群的角度探索UC缓解期极易复发、反复发作的机制并探索缓解期UC脾虚证与肠道菌群的相关性变化。研究方法:本研究共收集来自北京中医药大学东方医院消化内科门诊符合缓解期溃疡性结肠炎脾虚证入组标准的患者32例,并收集来自北京、重庆、河南、宁夏等地的健康志愿者29例。收集各入组患者及志愿者粪便标本,采用16SrDNA技术,提取总NDA,经Illumina MiSeq检测,建立数据库,进行物种分析,得出缓解期UC脾虚证与健康人肠道菌群结构及组成的相关性变化。研究结果:缓解期溃疡性结肠炎脾虚证存在肠道菌群失调,其肠道菌群多样性较健康组显著下降,两组菌群结构存在明显差异。与健康组相比,缓解期UC脾虚证患者粪便中的优势菌群如下所示:①门水平上:变形菌门、螺旋体菌门;②纲水平上:未见明显差异的物种;③目水平上:气单胞菌目、奈瑟菌目、假单胞菌目、放线菌目;④科水平上:拟杆菌科、毛螺旋菌科、气单胞菌科、奈瑟氏菌科、Camobacteriaceae、莫拉菌科、放线菌科。⑤属水平上:拟杆菌属、Ruminococcus-gnavusgroup、Lachnoclostridium、Blautia、Anaerostipes、巨型球菌属、RuminococcaceaeUCG-009、Oribacterium、气单胞菌属、枸橼酸杆菌属、消化链球菌属、Flavonifractor、H-oldemanella、奈瑟氏菌属、ErysielotrichaceaeUCG-007、不动杆菌属、肠杆菌属、Coprococcus1、Erysipelatoclostridium、普雷沃菌属、Prevotella7、放线菌属。与健康组相比,缓解期UC脾虚证在以下群类中丰度降低,①在门水平上:厚壁菌门、梭杆菌门;②纲水平上:Fusobacteriia、变形菌纲;③目水平上:梭杆菌目、Desulfovibrionales;④科水平上:Prevotellaceae、瘤胃球菌科、理研菌科、氨基酸球菌科、Christensenellaceae、FamilyXI、脱瘤弧菌科;⑤属水平上:Subdoligranulum、Alistipes、LachnospiraceaeUCG-010、Ruminococcus1、RuminococcaceaeUCG-002、Eubacterium-ruminantium group、Ruminococcus2、考拉杆菌属、ChristensenellaceaeR-7group、Eubacterium-ruminantiumgroup、RuminococcaceaeUCG-014、LachnospiraceaeNK4A13 6group、Coprococcus2、RuminococcaceaeUCG-003、LachnospiraceaeND3007group、LachnospiraceaeFCS020group、FamilyⅩⅢAD3 011 group、Eubacterium-eligensgroup、RuminococcaceaeUCG-005、RuminococcaceaeUCG-013、RuminococcaceaeUCG-010、RuminococcaceaeUCG-004、Eubacterium-oxidoreducensgroup、LachnospiraceaeUCG-001、RuminococcaceaeNK4A214group、Coprobacter、Butyricimonas、Odoribacter、raceaeUCG-005、Eubacterium-xylanophilumgroup、嗜胆菌属、Ruminiclostridium9。研究结论:①缓解期溃疡性结肠炎脾虚证存在肠道菌群失调,其肠道菌群多样性较健康组明显下降,两组菌群结构存在明显差异。②缓解期UC脾虚证与健康组相比在拟杆菌属、毛螺旋菌科、变形菌门、Ruminococcus-gnavusgroup、Lachnoclostridium 升高最为明显。③与此同时缓解期UC脾虚证在普雷沃氏菌科、瘤胃球菌科、厚壁菌门、Subdoligranulum、理研菌属、理研菌科、LachnospiraceaeUCG-010 属、Ruminococcus1、RuminococcaceaeUCG-002 降低最为明显。
其他文献
越来越多的企业利用机器学习中的分类技术来分析各种商业数据,从中提取有价值的信息。这些商业数据中的大部分数据是正常类数据,少部分数据是异常类数据。大部分的商业数据都是不平衡的。因此,不平衡数据分类问题一直以来都是机器学习领域的一项重要研究课题。目前为止,不平衡数据分类方法主要分为数据层和算法层两个方面。本文分别基于数据层的数据合成思想和算法层的集成学习思想,提出了两种用于结构化数据不平衡处理的方法。
学位
研究背景:慢性阻塞性肺疾病作为一种常见的呼吸系统疾病,是一种可预防和治疗的疾病。近年来慢阻肺患病率逐渐上升,患者生活质量低、社会经济负担较重,成为全球关注的公共卫生问题。目前研究表明,COPD的发病机制主要有炎症反应、蛋白酶/抗蛋白酶失衡、氧化/抗氧化失衡等。COPD的特点是炎症因子、多种蛋白酶的水平提高,NF-κ B诱导多种炎性细胞分泌如集落刺激因子、白介素-6、肿瘤坏死因子-α、粘附分子等多种
学位
背景作为人类常见的消化系统疾病之一,是一种由多种因素引起,病因尚不明确的慢性非特异性炎症性肠病,目前导致溃疡性结肠炎的因素包括:肠道菌群失调、适应性免疫失常、环境和遗传等。溃疡性结肠炎反复迁延不愈在影响患者身体健康以及生活质量的同时,由于其反复发作导致溃疡性结肠炎相关性结直肠癌占溃疡性结肠炎患者死亡的9%-11%,因此溃疡性结肠炎被世界卫生组织列为现代难治病之一。人体肠道菌群的数量、组成和分布与肠
学位
随着信息化技术的日益更替,针对信息系统的恶意攻击愈来愈频繁。恶意攻击的对象已不仅局限于个人用户,攻击者的攻击目标逐渐深入到企业、政府等关键组织和机构,对金融、交通、通信、医疗等重要行业都造成大量损失,严重危害社会的稳定。为阻止攻击事件的发生,针对恶意攻击的测试和研究成为网络安全专业人员的关注重点。为更好的测试和研究攻击,采集恶意攻击产生的数据信息是非常有效的手段和必要的基础。然而,现存的数据采集系
学位
近年来,人工智能飞速发展,正在以空前的广度和深度推动社会进步。作为当前人工智能技术的重要分支之一,深度神经网络被广泛应用于图像分类、语音识别、自然语言处理等领域,发挥了不可替代的作用。训练深度神经网络需要大量的训练数据、强大的计算能力、相关的专业知识和专业经验。因此,一个训练好的高性能深度神经网络具有很高的价值,通常被视作模型所有者的知识产权。模型所有者可以基于自己拥有的模型对外提供付费服务,也可
学位
传统的集中式联邦学习系统依赖一个中央服务器来协调全局模型的训练过程。然而,集中式联邦学习的前提是所有客户端信任一个中央机构,一旦中央服务器出现单点故障,将导致系统崩溃和全局模型训练的失败。此外,系统中通常涉及大量的客户端,每个客户端与中央服务器进行直接通信和多轮次交互,这需要负担巨大的通信成本。因此,集中式联邦学习系统可能会出现单点故障和通信开销大的问题。事实上,在许多实际场景中的网络通常是点对点
学位
近年来,随着计算机计算能力的显著提升和数据量的大幅度增长,以深度神经网络模型为基础的深度学习算法快速发展,广泛应用于计算机视觉、自然语言处理、智能控制等诸多领域,甚至引发了新一轮的工业革命。然而,随着对深度学习技术研究的深入,人们发现其很容易受到对抗样本的欺骗。所谓对抗样本,是指攻击者人为地在原本能够被正确推理的数据中,添加微小的甚至人类难以察觉的对抗性噪声,从而生成的恶意样本,它可以误导目标模型
学位
联邦学习(Federated Learning)能够使用来自大规模节点的本地数据集进行分布式模型训练,由于联邦学习在解决“数据孤岛”问题和保护数据隐私方面具有巨大优势,近年来迅速成为安全机器学习领域的研究热点。联邦学习的成功离不开分布式节点的积极参与,而长期机制的目的在于增加系统中用户节点的粘性,确保用户能够长期参与到系统中来,因此针对联邦学习系统中长期机制的研究与设计必不可少。在本文中,我们针对
学位
随着人工智能逐渐走向大规模和分布式,联邦学习作为一种隐私保护的分布式模型训练技术逐渐成为研究人员的关注重点。联邦学习可以在多方数据拥有者不进行数据共享的情况下,共同学习得到一个全局最优的机器学习模型。但联邦学习框架分布式特性也带来了潜在恶意参与者。本意为避免第三方进行隐私窥探的安全聚合协议,却使得针对联邦学习算法的模型攻击变得更加隐蔽且难以检测。基于数据投毒的后门攻击是一种隐蔽性极高的模型攻击方法
学位
信息技术的快速发展将人类带入了大数据时代,利用大数据相关技术,政府和企业能够对用户数据进行分析,发现数据背后的规律,为决策提供参考,提高生产和工作效率。大数据技术的本质是对海量数据进行采集、分析、关联,以构建普适性的决策模型。在此过程中,为提高数据分析的效果,各数据中心需要将本地用户数据进行发布和共享,存在敏感数据泄露的问题。同时,随着数据采集手段的多样化,数据中心收集的用户数据日趋复杂,形成了大
学位