腸道菌群、代謝物與結直腸癌的雙向孟德爾隨機化及中介分析研究

[摘要] 目的 探索腸道菌群與結直腸癌之間的因果關系，通過孟德爾隨機化（Mendelian randomization，MR）分析探索代謝物是否具有中介效應。方法 從公開數據庫中獲取473種腸道菌群、233種代謝物和結直腸癌的全基因組關聯分析數據。將腸道菌群、代謝物分別與結直腸癌進行雙向MR分析，隨后用兩步MR探查是否有特定的腸道菌群通過代謝物對結直腸癌的發生發展產生影響。結果 研究發現普雷沃菌屬、阿托波菌科、費氏梭菌、洪加特氏菌屬、微病毒球菌屬、肽球菌綱和瘤胃球菌屬7種腸道菌群的豐度與結直腸癌風險呈正相關；類芽孢桿菌目、口腔普雷沃菌、冷蛇菌屬和琥珀酸弧菌科4種菌群豐度與結直腸癌風險呈負相關。通過兩步法中介分析，證實中顆粒低密度脂蛋白中的甘油三酯與總脂質的比率可降低費氏梭菌作為結直腸癌發生的危險因素的影響。結論 本研究結果證實部分腸道菌群、代謝物與結直腸癌之間的因果關系并發現潛在交互鏈條，為結直腸癌的發病機制和防治研究提供思路。

[關鍵詞] 腸道菌群；代謝物；孟德爾隨機化；結直腸癌

[中圖分類號] R735.3" """"[文獻標識碼] A """""[DOI] 10.3969/j.issn.1673-9701.2025.24.012

Bidirectional Mendelian randomization and mediation analysis of the relationship between gut microbiota， metabolites， and colorectal cancer

WANG Jiawei， HONG Zhonghua， YIN Hezhai

Department of Anorectal Surgery， Jiaxing Traditional Chinese Medicine Hospital， Jiaxing 314001， Zhejiang， China

[Abstract] Objective To explore the causal relationship between gut microbiota and colorectal cancer， and to investigate whether metabolites have a mediating effect through Mendelian randomization （MR） analysis. Methods Genome-wide association studies data of 473 gut microbiota， 233 metabolites， and colorectal cancer were obtained from public databases. Bidirectional MR analyses were performed between gut microbiota， metabolites， and colorectal cancer， respectively. Subsequently， a two-step MR was used to explore whether specific gut microbiota affect the occurrence and development of colorectal cancer through metabolites. Results The study found that the abundances of 7 gut microbiota were positively correlated with the risk of colorectal cancer： Alloprevotella， Atopobiaceae， Clostridium S felsineum， Hungatella， Microvirga， Peptococcia and Ruminococcus A; The abundances of 4 gut microbiota were negatively correlated with the risk of colorectal cancer： Paenibacillales， Prevotella buccae， Psychroserpens and Succinivibrionaceae. Through the two-step mediation analysis， it was confirmed that the ratio of Triglycerides to total lipids ratio in medium very low-density lipoprotein could reduce the impact of Clostridium S felsineum as a risk factor for the occurrence of colorectal cancer. Conclusion The results of this study confirm the causal relationship between some gut microbiota， metabolites， and colorectal cancer， and discover potential interaction chains， providing ideas for the pathogenesis and prevention of colorectal cancer.

[Key words] Gut microbiota; Metabolites; Mendelian randomization; Colorectal cancer

結直腸癌（colorectal cancer，CRC）是一種常見的惡性腫瘤，無論是發病率還是死亡率均逐年遞增，目前已成為中國發病率僅次于肺癌的第二大癌癥^[1-2]。研究表明某些腸道細菌可通過宿主細胞“附帶損害”機制增加宿主患癌風險；產聚酮合酶的大腸桿菌可誘導獨特的突變特征，這些突變特征在部分人類CRC基因組中可被檢測，揭示該類大腸桿菌與CRC的發生直接關聯^[3-4]。除腸道菌群外，循環代謝物在CRC中的作用也受到廣泛關注。Mccullough等^[5]通過對517例CRC病例的血漿樣本進行分析，發現共有6種代謝物與CRC患病風險相關。Harewood等^[6]研究1591例CRC患者的97種脂質代謝物循環水平，發現2種脂質代謝物與CRC風險顯著負相關。

盡管腸道菌群、循環代謝物與CRC的研究已取得顯著進展，但其實驗樣本來源的復雜性和異質性仍是影響結論準確性的主要挑戰。由于腸道微生物種類繁多，且受宿主的遺傳背景、環境因素和生活方式等多重變量影響，傳統的流行病學方法難以有效篩選關鍵菌種。孟德爾隨機化（Mendelian randomization，MR）作為一種基于遺傳工具的統計分析方法，為研究腸道菌群與疾病間的因果關系提供更嚴謹、更可靠的研究手段^[7]。本研究將單核苷酸多態性（single nucleotide polymorphism，SNP）視為工具變量（instrumental variables，IVs），利用腸道菌群及代謝物數據，采用MR方法探索腸道菌群與CRC的因果關系，并探討代謝物在其中的交互作用。

1" 材料與方法

1.1" 研究設計

采用雙樣本MR評估腸道菌群對CRC的直接影響。對代謝物的中介作用通過兩步MR分析確定其效應。分析流程見圖1。

1.2" 數據來源

腸道菌群數據來自一項基于芬蘭人群的研究報道^[8]。該菌群數據集包括11個門、19個綱、24個目、62個科、146個屬和209個種。數據集可在美國國家人類基因組研究所–歐洲生物信息研究所全基因組關聯分析（genome-wide association studies，GWAS）目錄中公開獲取（檢索號：GCST90032172～ GCST90032644）。

代謝物的GWAS數據來源于一項超過13萬人的循環代謝特征與全基因組關聯研究^[9]；包含213項脂質、脂蛋白和脂肪酸及20項非脂質特征，并研究其與1300多萬個遺傳因子之間的聯系。該數據集可通過美國國家人類基因組研究所和歐洲生物信息研究所GWAS目錄公開獲取（檢索號：GCST90301941～ GCST90302173）。

CRC的GWAS數據來源于芬蘭數據庫，R12版本（finngen_R12_C3_COLORECTAL），包括11 790例患者和378 748名對照者。主要表型為CRC（對照者為排除所有癌癥的人群）。

1.3" IVs的選擇

正向分析中采用次級閾值（Plt;1×10^–5）；反向MR分析中采取顯著性閾值（Plt;5×10^–8）對其進行篩選。同時，進行連鎖不平衡檢驗，設定R2lt;0.001，窗口大小為10 000kb，以排除具有強連鎖不平衡的SNPs。計算F統計量[]，對剩余的SNPs進行IVs效能評估。當SNPs的Flt;10時，在后續分析中將其剔除。

1.4 "統計學方法

采用R 4.4.2和TwoSampleMR 0.6.9及MRPRESSO 1.0軟件包進行MR分析。腸道菌群、代謝物對CRC的因果關系的研究為正向MR分析，CRC對腸道菌群、代謝物因果關系的研究為反向MR分析。將逆方差加權（inverse-variance weighted，IVW）作為主要分析方法，MR-Egger回歸、簡單模式法、加權模型法和加權中位數法作為IVW法的補充。暴露因素與結果之間的關聯以比值比（odds ratios，OR）和95%置信區間（confidence intervals，CI）表示，Plt;0.05為差異有統計學意義。

1.5 "質量控制

采用留一法逐個剔除單個IVs，防止單個SNP對MR結果產生較大影響。運用Cochran’s Q統計量評估IVs間的異質性，借助MR-Egger與MR-PRESSO檢測其水平多效性。為避免結果因多重檢驗出現假陽性，使用Benjamini amp; Hochberg法進行錯誤發現率（1 discovery rate，FDR）校正，以P_FDRlt;0.05為差異有統計學意義。

1.6 "陽性結果篩選

為保證陽性結果的可靠性，篩選標準必須符合以下5條：①P_Ivwlt;0.05；②P_FDRlt;0.05；③5種分析方法的OR值方向必須一致；④不存在異質性和水平多效性；⑤排除未知菌。

1.7 "中介MR分析

基于兩步法MR開展中介分析：首先獲取總效應值β_α（腸道菌群與CRC）、效應值β₁（腸道菌群與代謝物）和β₂（代謝物與CRC）。隨后評估腸道菌群經潛在中介對CRC風險的間接效應，中介效應β₁₂=β₁×β₂。直接效應計算公式：β_α–β₁₂。

2" 結果

2.1 "腸道菌群與CRC之間的因果關系

正向MR分析：經過篩選，發現共有11種腸道菌群與CRC的發生存在因果關聯。其中7種菌群豐度與CRC風險呈正相關：普雷沃菌屬（OR=1.175，95%CI：1.061～1.302，P=0.002，P_FDR=0.03）；阿托波菌科（OR=1.280，95%CI：1.035～1.583，P=0.023，P_FDR=0.04）；費氏梭菌（OR=1.472，95%CI：1.037～2.090，P=0.031，P_FDR=0.04）；洪加特氏菌屬（OR=1.447，95%CI：1.128～1.857，P=0.004，P_FDR=0.03）；微病毒球菌屬（OR=1.624，95%CI：1.053～2.505，P=0.028，P_FDR=0.04）；肽球菌綱（OR=1.401，95%CI：1.071～1.834，P=0.014，P_FDR=0.03）和瘤胃球菌屬（OR=1.202，95%CI：1.015～1.424，P=0.033，P_FDR=0.04）。4種菌群豐度與CRC風險呈負相關：類芽孢桿菌目（OR=0.301，95%CI：0.113～0.805，P=0.017，P_FDR=0.03）；口腔普雷沃菌（OR=0.873，95%CI：0.783～0.974，P=0.014，P_FDR=0.03）；冷蛇菌屬（OR=0.755，95%CI：0. 615～0.929，P=0.008，P_FDR=0.03） 和琥珀酸弧菌科（OR=0.866，95%CI：0.789～0.951，P=0.003，P_FDR=0.03）。反向MR分析：發現3種可能受CRC影響的腸道菌群：獨島菌屬（OR=1.032，95%CI：1.003～1.062，P=0.031，P_FDR=0.03）；艾森伯格菌屬（OR=1.068，95%CI：1.011～1.128，P=0.019，P_FDR=0.03）和單球藻科（OR=1.076，95%CI：1.020～1.135，P=0.008，P_FDR=0.02）。在雙向MR分析中，未發現具有重疊效應的腸道菌群。以上結果均無異質性及水平多效性，留一法敏感度分析顯示逐個剔除單個SNP后MR結果未發生逆轉，證明結果可靠。見表1、圖2至圖4。

2.2 "代謝物與CRC之間的因果關系

正向MR分析：經過篩選，發現2種代謝物的比率與CRC存在因果關系。一種呈正相關：大顆粒低密度脂蛋白中的總膽固醇與總脂質的比率（OR=1.146，95%CI：1.031～1.275，P=0.012，P_FDR=0.03）；另一種呈負相關：中顆粒低密度脂蛋白中的甘油三酯與總脂質的比率（OR=0.917，95%CI：0.849～0.990，P=0.027，P_FDR=0.04）。反向MR分析：發現1種代謝物比率和1種代謝物可能受CRC的影響：二酰甘油與甘油三酯的比率（OR=1.039，95%CI：1.007～1.071，P=0.015，P_FDR=0.02）；乳酸水平（OR=1.026，95%CI：1.005～1.047，P=0.014，P_FDR=0.02）。雙向MR分析中未發現重疊代謝物。以上結果均無異質性及水平多效性，留一法敏感度分析顯示逐個剔除單個SNP后MR結果未發生逆轉，證明結果可靠。見圖5及表2。

2.3 "中介分析

兩步法中介分析發現費氏梭菌和中顆粒低密度脂蛋白中的甘油三酯與總脂質的比率存在正向因果關系（OR=1.118，95%CI：1.017～1.230，P=0.021，P_FDR=0.02）。中顆粒低密度脂蛋白中的甘油三酯可降低費氏梭菌作為CRC發生危險因素的影響，因二者作用相反，無法計算中介比例（β₁=0.11，β₂=–0.08，β₁₂=–0.01）。

3" 討論

本研究采取MR法探究腸道菌群、代謝物與CRC的關系，并尋找三者之間的關聯。結果顯示共11種腸道菌群的豐度、2種代謝物的比率與CRC存在因果關系；同時發現費氏梭菌→中顆粒低密度脂蛋白中的甘油三酯與總脂質比率→CRC交互鏈。在11種腸道菌群中，普雷沃菌、洪加特氏菌與消化道腫瘤的關系較為密切：普雷沃菌作為腸道微生態的重要成員，其豐度升高與胰腺癌、口腔癌的進展密切相關，在胃炎向腸上皮化生的病理轉化中亦呈現早期富集特征^[10-12]。本研究中普雷沃菌與CRC的發生發展呈正相關；結果顯示與普雷沃菌同屬擬桿菌門的口腔普雷沃菌為CRC的保護因素，但此菌多與口腔炎癥相關聯，與CRC的交互機制尚不明確，其保護作用可能與此菌對亞硝酸鹽的還原作用有關^[13]。研究指出洪加特氏菌的豐度在CRC患者的組織中明顯增加，且該菌可降低CRC細胞對化療藥物5-氟尿嘧啶的敏感度，故洪加特氏菌與CRC患者的低生存期密切相關^[14]。阿托波菌科往往被認為與脂質調節、氧化應激、炎癥反應和免疫應答有關，可能因為這些因素改變患者體內環境導致癌癥^[15]。瘤胃球菌屬是一種厭氧菌，與人類的消化功能息息相關，因其容易誘導產生如腫瘤壞死因子等炎性因子，從而導致潰瘍性結腸炎及結直腸的發生^[16]。有關人體內微病毒球菌屬、肽球菌綱、類芽孢桿菌目、冷蛇菌屬的研究較少，無法推測其對CRC發病作用增強或削弱的機制。

在代謝物與CRC因果關系的研究中發現大顆粒低密度脂蛋白中的總膽固醇與CRC的發生呈正相關。Liao等^[17]的回顧性研究指出低密度脂蛋白中的膽固醇含量越高，CRC患者的總生存期越短，低密度脂蛋白中的膽固醇是CRC患者獨立不良預后因素。

目前關于費氏梭菌的研究極少，Zheng等^[18]MR研究表明費氏梭菌可通過降低肉堿水平增加潰瘍性結腸炎的患病風險，其介導比例高達39.77%，而潰瘍性結腸炎是CRC發病的高危險因素，這可能是費氏梭菌成為CRC高危險因素的潛在機制之一。因未找到中顆粒低密度脂蛋白中的甘油三酯與總脂質比率的詳細研究，故其成為抑制CRC發病因素的原因尚不明確，有待進一步研究。

綜上，本研究采用MR分析方法，確定特定腸道菌群與CRC之間存在因果關聯，同時揭示循環代謝物的中介效應，這一結果為進一步探究CRC的發病機制及防治手段開拓思路。本研究存在一定局限性：研究對象主要集中于歐洲人群，鑒于不同人種的生活方式及腸道菌群組成等存在顯著差異，該研究結果在其他地域和種族中缺乏普適性。隨著生物學基礎研究的不斷推進，會有新的腸道菌群亞型被發現，在此背景下，各大數據庫的數據內容也在持續更新，腸道菌群與CRC之間的關系仍有廣闊的探索空間，亟待進一步深入探究。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1]"" 鄭榮壽， 陳茹， 韓冰峰， 等. 2022年中國惡性腫瘤流行情況分析[J]. 中華腫瘤雜志， 2024， 46（3）： 221–231.

[2]"" SUNG H， FERLAY J， SIEGEL R L， et al. Global cancer statistics 2020： GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin， 2021， 71（3）： 209–249.

[3]"" GAGNAIRE A， NADEL B， RAOULT D， et al. Collateral damage： Insights into bacterial mechanisms that predispose host cells to cancer[J]. Nat Rev Microbiol， 2017， 15（2）： 109–128.

[4]"" PLEGUEZUELOS-MANZANO C， PUSCHHOF J， ROSENDAHL HUBER A， et al. Mutational signature in colorectal cancer caused by genotoxic pks⁺ E. coli[J]. Nature， 2020， 580（7802）： 269–273.

[5]"" MCCULLOUGH M L， HODGE R A， CAMPBELL P T， et al. Pre-diagnostic circulating metabolites and colorectal cancer risk in the cancer prevention study-Ⅱ nutrition cohort[J]. Metabolites， 2021， 11（3）： 156.

[6]"" HAREWOOD R， ROTHWELL J A， BE?EVI? J， et al. Association between pre-diagnostic circulating lipid metabolites and colorectal cancer risk： A nested case-control study in the European prospective investigation into cancer and nutrition （EPIC）[J]. Ebiomedicine， 2024， 101： 105024.

[7]"" HWANG L D， EVANS D M. A note on modelling bidirectional feedback loops in Mendelian randomization studies[J]. Behav Genet， 2024， 54（4）： 367–373.

[8]"" QIN Y， HAVULINNA A S， LIU Y， et al. Combined effects of host genetics and diet on human gut microbiota and incident disease in a single population cohort[J]. Nat Genet， 2022， 54（2）： 134–142.

[9]"" KARJALAINEN M K， KARTHIKEYAN S， OLIVER- WILLIAMS C， et al. Genome-wide characterization of circulating metabolic biomarkers[J]. Nature， 2024， 628（8006）： 130–138.

[10] CHEN T， LI X， LI G， et al. Alterations of commensal microbiota are associated with pancreatic cancer[J]. Int J Biol Markers， 2023， 38（2）： 89–98.

[11] ZENG B， TAN J， GUO G， et al. The oral cancer microbiome contains tumor space-specific and clinicopathology- specific bacteria[J]. Front Cell Infect Microbiol， 2022， 12： 942328.

[12] LIU Y， WANG H， JIANG H， et al. Alloprevotella can be considered as a potential oral biomarker in intestinal metaphase of gastric patients[J]. Stud Health Technol Inform， 2023， 308： 155–167.

[13] SHARMA G， GARG N， HASAN S， et al. Fumarate and nitrite reduction by Prevotella nigrescens and Prevotella buccae isolated from chronic periodontitis patients[J]. Microb Pathog， 2023， 176： 106022.

[14] HUANG Z， WANG C， HUANG Q， et al. Hungatella hathewayi impairs the sensitivity of colorectal cancer cells to 5-FU through decreasing CDX2 expression[J]. Hum Cell， 2023， 36（6）： 2055–2065.

[15] JIMENEZ N R， MANCILLA V， ?ANIEWSKI P， et al. Immunometabolic contributions of Atopobiaceae family members in human papillomavirus infection， cervical dysplasia and cancer[J]. J Infect Dis， 2024， 1： jiae533.

[16] CROST E H， COLETTO E， BELL A， et al. Ruminococcus gnavus： Friend or foe for human health[J]. Fems Microbiol Rev， 2023， 47（2）： fuad014.

[17] LIAO F， HE W， JIANG C， et al. A high LDL-C to HDL-C ratio predicts poor prognosis for initially metastatic colorectal cancer patients with elevations in LDL-C[J]. Onco Targets Ther， 2015， 8： 3135–3142.

[18] ZHENG X， FAN J， YIN J， et al. The role of gut microbiota and plasma metabolites in ulcerative colitis： Insights from Mendelian randomization analysis[J]. Medicine， 2025， 104（9）： e41710.

（收稿日期：2025–03–29）

（修回日期：2025–08–21）