Information

Ausschluss- und Einschlusskriterien für gesunde Kontrollpersonen in der Darmkrebsstudie

Ausschluss- und Einschlusskriterien für gesunde Kontrollpersonen in der Darmkrebsstudie



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Ich arbeite an Darmkrebs und habe ein Problem bei der Probenentnahme. Ich kann nicht herausfinden, wie man gesunde Probanden auswählt. In der Literatur habe ich viele Kriterien gefunden, die unterschiedlich und manchmal unklar sind oder der Autor nicht erwähnt, wie er seine Kontrollproben auswählt. PS: Ich werde Stuhlproben sammeln, keine Taschentücher.


Veränderungen der Entzündungsreaktion nach Immunernährung im Vergleich zur Standardernährung bei Darmkrebsgewebe


Zustand oder Krankheit Intervention/Behandlung Phase
Darmkrebs Ernährungsaspekt von Krebs Nahrungsergänzungsmittel: Immunonutrition Nahrungsergänzungsmittel: Standardmäßige orale Nahrungsergänzung Unzutreffend

Die Therapie der ersten Wahl beim Dickdarmkrebs ist die Operation. Eine Ernährungsunterstützung in Form von oralen Nahrungsergänzungsmitteln (ONS) in der präoperativen Phase wird allgemein akzeptiert, um die Inzidenz perioperativer Komplikationen zu reduzieren, und eine Immunernährung wird allgemein empfohlen. Es gibt jedoch nur wenige klinische Daten über den Einfluss einer solchen Behandlung auf die Tumorbiologie.

Die Forscher wollen eine randomisierte kontrollierte Studie durchführen, um die Auswirkungen der Anwendung von Immunernährung in Bezug auf die Standardernährungsunterstützung in der präoperativen Phase auf die alternierende Expression der Expression von Zytokinen der Entzündungsreaktion und der Infiltration von Leukozyten in Tumorgewebe bei Patienten, die wegen Darmkrebs operiert wurden, zu untersuchen.

Layouttabelle für Studieninformationen
Studientyp : Interventionell (Klinische Studie)
Tatsächliche Einschreibung: 30 Teilnehmer
Zuweisung: Zufällig
Interventionsmodell: Parallele Zuweisung
Beschreibung des Interventionsmodells: Randomisierte 2-armige kontrollierte Studie
Maskierung: Keine (Offenes Etikett)
Hauptzweck: Unterstützende Pflege
Offizieller Titel: Veränderungen der Entzündungsreaktion nach Immunernährung im Vergleich zur Standardernährungsunterstützung bei Darmkrebsgewebe – randomisierte kontrollierte Studie
Tatsächlicher Studienbeginn: 1. November 2017
Tatsächliches primäres Abschlussdatum: 30. November 2018
Tatsächliches Studienabschlussdatum: 30. Januar 2019

Ressourcen-Links der National Library of Medicine

Profil flüchtiger organischer Verbindungen (VOCs) bei Darmkrebspatienten und gesunden Kontrollpersonen.

Flüchtige organische Verbindungen (VOCs) sind Verbindungen mit niedrigem Molekulargewicht (<1 kDa), die die Endprodukte des Zellstoffwechsels darstellen. Ihre Zusammensetzung kann durch verschiedene Faktoren beeinflusst werden, darunter Ernährung, Hormone, Umwelt und das Vorhandensein von Krankheiten, insbesondere Krebs.

Darmkrebs (CRC) gehört zu den häufigsten Tumoren und ist eine wichtige Ursache für die krebsbedingte Sterblichkeit.

Die Expression von VOCs in der Atemluft, die mit dem Krankheitszustand eines Patienten verbunden sind, könnte einen leistungsstarken, nicht-invasiven Ansatz zur Identifizierung von CRC-Patienten bieten.


Zustand oder Krankheit Intervention/Behandlung
Dickdarmkrebs Dickdarmpolypen Diagnostischer Test: Atemprobenahme

Flüchtige organische Verbindungen (VOCs) sind Verbindungen mit niedrigem Molekulargewicht (<1 kDa), die die Endprodukte des Zellstoffwechsels darstellen. Ihre Zusammensetzung kann durch verschiedene Faktoren beeinflusst werden, darunter Ernährung, Hormone, Umwelt und das Vorhandensein von Krankheiten, insbesondere Krebs.

Endogene Atemwegs-VOCs können überall im Körper entstehen, über den venösen Blutstrom und dann in die Lungenbläschen, wo sie teilweise ausgeatmet werden.

Es wurde postuliert, dass die Veränderung der VOC-Produktion bei Krebspatienten mit der (Per-)Oxygenierung von mehrfach ungesättigten Fettsäuren auf Zellmembranbasis aufgrund genetischer und/oder Proteinmutationen in Tumorzellen und der erhöhten relativen Prävalenz reaktiver Sauerstoffspezies in Krebszellen zusammenhängt. VOCs bestehen größtenteils aus Benzol, Alkanen und Aldehyden (oder ihren Derivaten), und mehrere Studien haben gezeigt, dass verschiedene Krebsarten, einschließlich Lungen- und Brustkrebs, Melanome, Mesotheliom und hepatozelluläres Karzinom, mit spezifischen VOC-Profilen assoziiert sind, die sich vom Normalzustand unterscheiden.

Flüchtige organische Verbindungen sind in verschiedenen ausgeschiedenen biologischen Materialien (Urin, Blut, Kot und Atem) vorhanden und ihre Analyse bietet eine Möglichkeit zur Krebsvorsorge.

Darmkrebs (CRC) gehört zu den häufigsten Tumoren und ist eine wichtige Ursache für die krebsbedingte Sterblichkeit. Es ist die zweithäufigste krebsbedingte Todesursache in Europa und die dritthäufigste in den USA.

Die Koloskopie ist der Goldstandard für die Diagnose von CRC, obwohl ihre Kosten ihre Verwendung für ein Massenscreening verhindern. Darüber hinaus wird die Koloskopie von Patienten nicht gut akzeptiert, da es sich um eine invasive Untersuchung handelt. Die fäkale immunchemische Blutuntersuchung (FIT) ist das am weitesten verbreitete nicht-invasive Screening-Instrument, das eine ziemlich gute Spezifität zeigt, aber eine hohe Schwankung in der Sensitivität (61-91%) und die Einhaltung von Screening-Programmen erreicht selten 50-70% der Zielpopulation.

Die Expression von VOCs in der Atemluft, die mit dem Krankheitszustand eines Patienten verbunden sind, könnte einen leistungsstarken, nicht-invasiven Ansatz zur Identifizierung von CRC-Patienten bieten.

Layouttabelle für Studieninformationen
Studientyp : Beobachtungs [Patientenregister]
Voraussichtliche Einschreibung: 90 Teilnehmer
Beobachtungsmodell: Fallkontrolle
Zeitperspektive: Prospektiv
Zielverfolgungsdauer: 6 Monate
Offizieller Titel: Flüchtige organische Verbindungen (VOCs) könnten Patienten mit Darmkrebs von gesunden Kontrollpersonen unterscheiden.
Tatsächlicher Studienbeginn: 2. Januar 2019
Voraussichtliches primäres Abschlussdatum : 25. Dezember 2020
Voraussichtliches Abschlussdatum der Studie: 20. Januar 2021

Informationen der Nationalbibliothek für Medizin

Die Teilnahme an einer Studie ist eine wichtige persönliche Entscheidung. Sprechen Sie mit Ihrem Arzt und Familienmitgliedern oder Freunden über die Entscheidung, an einer Studie teilzunehmen. Um mehr über diese Studie zu erfahren, können Sie oder Ihr Arzt das Studienforschungspersonal unter den unten angegebenen Kontakten kontaktieren. Für allgemeine Informationen, Erfahren Sie mehr über klinische Studien.

Layouttabelle für Informationen zur Berechtigung
Studienberechtigtes Alter: 18 Jahre bis 95 Jahre (Erwachsener, älterer Erwachsener)
Studienberechtigte Geschlechter: Alle
Akzeptiert gesunde Freiwillige: Jawohl
Probenahmeverfahren: Nicht-Wahrscheinlichkeitsprobe
  • Alter zwischen 18 und 95
  • Histologisch nachgewiesener Darmkrebs
  • Patient mit einzelnen oder mehreren Polypen des Dickdarms
  • Gesunde Probanden mit negativer Koloskopie
  • Patienten, die bereits wegen Darmkrebs untersucht und operiert wurden, ohne Anzeichen eines Rezidivs
  • Schriftliche Einwilligung nach Aufklärung
  • Schwangerschaft
  • Entzündliche Darmerkrankung
  • Synchrone Krebserkrankungen
  • Leber- und/oder Lungenmetastasen
  • Darmvorbereitung
  • Wiederkehrende CRC
  • Jede psychische Erkrankung
  • Notfalleinsätze
Informationen der Nationalbibliothek für Medizin

Um mehr über diese Studie zu erfahren, können Sie oder Ihr Arzt das Studienforschungspersonal unter Verwendung der vom Sponsor bereitgestellten Kontaktinformationen kontaktieren.


Ausschluss- und Einschlusskriterien für gesunde Kontrollpersonen in der Darmkrebsstudie – Biologie

Empfehlungen der USPSTF sind unabhängig von der US-Regierung. Sie sollten nicht als offizielle Position der Agency for Healthcare Research and Quality oder des U.S. Department of Health and Human Services ausgelegt werden.

Der endgültige Forschungsplan wird als Leitfaden für eine systematische Überprüfung der Evidenz durch Forscher eines Evidenzbasierten Praxiszentrums dienen. Der resultierende Evidence Report wird die Grundlage der USPSTF-Empfehlungserklärung zu diesem Thema bilden.

Der Entwurf des Forschungsplans stand vom 3. Januar bis 30. Januar 2019 um 17:00 Uhr ET zur Kommentierung zur Verfügung.

* Screening-Technologien mit bedingter Zulassung der U.S. Food and Drug Administration für das Screening auf Darmkrebs.

Abkürzungen: CTC=Computertomographie-Kolonographie FIT=immunchemischer Stuhltest FS=flexible Sigmoidoskopie gFOBT=Test auf okkultes Blut im Stuhl auf Guajak-Basis m9. September= methylierter Septin 9 Gen DNA sDNA Test (+/- FIT) = Stuhl DNA Test mit oder ohne FIT SSP = sessiler gezahnter Polyp.

  1. Was ist die Wirksamkeit oder vergleichbare Wirksamkeit von Screening-Programmen bei der Reduzierung von Darmkrebs, der Sterblichkeit oder beidem?
    1. Unterscheidet sich die Wirksamkeit von Screening-Programmen je nach Untergruppe (z. B. Alter, Geschlecht oder Rasse/Ethnie)?
    1. Variiert die Genauigkeit der Screening-Tests je nach Untergruppe (z. B. Alter, Geschlecht oder Rasse/Ethnie)?
    1. Unterscheiden sich die schwerwiegenden Schäden von Screening-Tests je nach Untergruppe (z. B. Alter, Geschlecht oder Rasse/Ethnie)?

    Kontextbezogene Fragen werden nicht systematisch überprüft und im Analytic Framework nicht angezeigt.

    1. Wie ist die Einhaltung (oder Aufnahme) der Tests für jeden der derzeit verfügbaren Screening-Tests?
    2. Wie ist die Einhaltung der diagnostischen Anschlusskoloskopie bei auffälligen Screening-Testergebnissen (d. h. stuhlbasierte Tests, flexible Sigmoidoskopie oder Computertomographie-Kolonographie)?
    3. Variiert der natürliche Verlauf von Adenomen je nach Alter, Geschlecht oder Rasse/Ethnie?
    4. Variiert die Prävalenz oder Lokalisation kolorektaler Läsionen (Kolorektalkrebs, fortgeschrittene Adenome oder kleine adenomatöse Polypen) je nach Alter, Geschlecht oder Rasse/Ethnie?
    5. Welche Modelle oder Instrumente stehen zur Abschätzung des Darmkrebsrisikos bei Screeningpopulationen mit durchschnittlichem Risiko zur Verfügung?
    6. Wie werden neuere Screening-Tests (z. B. Stuhl-DNA-Test mit oder ohne immunchemischem Test im Stuhl oder Computertomographie-Kolonographie) in der klinischen Versorgung implementiert und welche Überlegungen zur Implementierung sind bei diesen Tests zu beachten?
    7. Gibt es andere Entscheidungsmodelle für die Darmkrebsvorsorge als die von CISNET (Cancer Intervention and Surveillance Modeling Network), die das Alter für den Beginn des Screenings, das Alter für das Ende des Screenings und die vergleichende Wirksamkeit verschiedener Screening-Strategien berücksichtigen? Was sind ihre Erkenntnisse?
    8. Wie wirksam ist das Screening auf Darmkrebs bei Erwachsenen unter 50 Jahren, die aufgrund der Familienanamnese ein höheres Risiko für Darmkrebs haben (ausgenommen bekannte genetische Syndrome oder Verwandte ersten Grades mit Darmkrebs vor dem 60. Lebensjahr)?

    Der Forschungsansatz identifiziert die Studienmerkmale und -kriterien, anhand derer das Evidenzbasierte Praxiszentrum nach Publikationen sucht und entscheidet, ob identifizierte Studien in den Evidenzbericht aufgenommen oder davon ausgeschlossen werden sollen. Die Kriterien sind sowohl übergreifend als auch spezifisch für jede der Schlüsselfragen (KQs).

    Direkte Visualisierungstests:

    • Darmspiegelung
    • Flexible Sigmoidoskopie
    • Computertomographie Kolonographie
    • Kapselendoskopie*
    • Hochempfindlicher Guajak-Fäkaltest auf okkultes Blut
    • Immunchemischer Test im Stuhl (quantitative und qualitative Tests)
    • Multitarget-DNA-Test für den Stuhl (mit oder ohne immunchemischem Test im Stuhl)

    KQ 2: Studien zur diagnostischen Genauigkeit, die die Koloskopie als Referenzstandard verwenden

    KQ 3: Kein Komparator notwendig

    KQ 2: Testgenauigkeit, einschließlich: Sensitivität und Spezifität (pro Person für alle Tests und pro Läsion für direkte Visualisierungstests), positiver und negativer Vorhersagewert (pro Person für alle Tests und pro Läsion für direkte Visualisierungstests) und falsch-positiv und falsch- negative Raten zur Identifizierung von Dickdarmkrebs, fortgeschrittenem Adenom (hochgradige Dysplasie, Zottenhistologie oder Größe &ge10 mm) oder adenomatöser oder sessiler gezackter Polypen nach Größe (dh &le5 mm, 6 bis 9 mm, &ge10 mm) oder nach Lokalisation ( z. B. proximaler oder distaler Dickdarm, Rektum)

    KQ 3: Schwerwiegende Schäden, die eine unerwartete oder unerwünschte medizinische Behandlung erfordern (z. B. eine Krankenhauseinweisung erforderlich machen) und/oder zum Tod führen, einschließlich, aber nicht beschränkt auf Perforation, schwere Blutungen, schwere abdominale Symptome, kardiovaskuläre Ereignisse, extrakolische Befunde und anschließende diagnostische Abklärung sowie unerwünschte Ereignisse aus der Diagnostik Untersuchung auf Zufallsbefunde bei der Computertomographie-Kolonographie-Strahlenbelastung pro Computertomographie-Kolonographie-Untersuchung

    KQ 3: Geringfügige Schäden, definiert als solche, die nicht unbedingt ärztliche Hilfe benötigen oder zur Folge haben (z. B. Unzufriedenheit des Patienten, Angst oder Sorge, leichte Magen-Darm-Beschwerden)

    KQ 1: Randomisierte, kontrollierte Studien kontrollierte klinische Studien prospektive Kohortenstudien

    KQ 2: Randomisierte, kontrollierte Studien kontrollierte klinische Studien Kohortenstudien verschachtelte Fall-Kontroll-Studien zur diagnostischen Genauigkeit und Screening-Registerstudien

    KQ 3: Randomisierte, kontrollierte Studien kontrollierte klinische Studien Großes Screening-Register oder Datenbank Beobachtungsstudien Kohortenstudien und systematisch ausgewählte Fallserien

    KQ 1: Entscheidungsanalysen&dolch

    KQ 2: Studien zur diagnostischen Genauigkeit ohne Referenzstandard oder ohne Darstellung eines vollständigen Krankheitsspektrums (z. B. Fall-Kontroll-Studien, Studien, die unbestimmte Ergebnisse ausschließen)

    * Screening-Technologien mit bedingter Zulassung durch die U.S. Food and Drug Administration für das Screening auf Darmkrebs.
    &daggerDieser Review wird von in Auftrag gegebenen kollaborativen Mikrosimulations-Entscheidungsanalysen von CISNET begleitet.

    Zusätzlich zu dieser aktualisierten systematischen Überprüfung hat die USPSTF eine Reihe von Entscheidungsanalysen von CISNET in Auftrag gegeben, um den Empfehlungsprozess zu unterstützen, wie dies bei den vorherigen Updates in den Jahren 2008 und 2016 der Fall war. Die in Auftrag gegebenen Entscheidungsanalysen werden dazu beitragen, den Nutzen und Schaden von Die Strategien zur Früherkennung von Darmkrebs können je nach Art des Screening-Tests, unterschiedlichem Anfangs- und Endalter und dem Zeitintervall zwischen wiederholten Screenings variieren.


    Ergebnisse

    Suchergebnisse

    Die erste Suche (31. Dezember 2018) und ihre jüngste Aktualisierung (4. Oktober 2020) haben 987 Datensätze aus Datenbanken und 22 zusätzliche Datensätze durch die manuelle Suche nach relevanten Rezensionen abgerufen. Nach Entfernung von 397 Duplikaten wurden 612 Artikel anhand von Titeln und Abstracts gesichtet, was zu 514 ausgeschlossenen Artikeln führte. Achtundneunzig Volltextpublikationen wurden auf ihre Eignung geprüft. Davon wurden 74 ausgeschlossen, weil sie die Einschlusskriterien nicht erfüllten. Schließlich 24 Studien [40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,59.60,61,62 ,63] wurden in den systematischen Review aufgenommen, davon 12 in die Metaanalyse. Abbildung 1 zeigt das Studienflussdiagramm.

    Flussdiagramm zur Auswahl der Studien, die in das systematische Review und die Metaanalyse aufgenommen wurden

    Merkmale der Studien, die in den systematischen Review aufgenommen wurden

    Die Merkmale der 24 in den systematischen Review eingeschlossenen Studien sind in Tabelle 2 zusammengefasst. Die Studien wurden zwischen 2012 und 2020 veröffentlicht und wurden überwiegend in Asien durchgeführt: zwölf in China, eine in Japan und zwei im Iran. Sechs Studien wurden in Europa (Deutschland, Spanien, Italien, Irland, Norwegen und Schweden) und drei in Amerika (zwei in den USA und eine in Brasilien) durchgeführt. Studien wurden als „nicht verschachtelte“ Fallkontrollen konzipiert (n = 21), Querschnitt (n = 1) oder verschachtelte Fallkontrolle (n = 2), mit schlechter oder mittelmäßiger Qualitätsbewertung von 14 Studien gemäß der AHRQ-Skala. Studien scheiterten oft an der Erfüllung Auswahl an Bedienelementen und Nicht-Antwort-Rate Produkte.

    In sieben Studien wurden Fälle und Kontrollen für zwei bis vier Variablen abgeglichen, darunter Alter, Geschlecht, Body-Mass-Index, Ethnizität und Zeitraum der Probensammlung [42, 47, 50, 51, 53, 54, 57, 62] . Es gab 13 Studien, die Probanden mit gemeldeter Antibiotika-Anwendung im letzten Monat oder in den letzten 3 Monaten oder 6 Monaten ausschlossen, und 11 Studien, die Patienten ausschlossen, bei denen zuvor eine CED diagnostiziert wurde.

    Die Mehrzahl der untersuchten Studien F. nucleatum nur in Kot (18 Studien), während drei Studien nur Biopsien analysierten und weitere drei Studien beide Arten von Proben analysierten. Die quantitative PCR war die am häufigsten verwendete Bakteriennachweistechnik, gefolgt von Sequenzierungstechniken, während nur eine Studie die FISH-Technik verwendete.

    In den meisten eingeschlossenen Studien wurde der Kot vor der Koloskopie oder Operation gesammelt, mit Ausnahme der Studie von Yu et al. [60] wo nach der Koloskopie mehr Kot gesammelt wurde als zuvor. Tunsjo et al. [61] berichteten auch über das Sammeln von Kot entweder vor der Koloskopie oder 1 Woche danach. In vier Studien wurden keine Angaben zum Zeitpunkt der Probenentnahme gemacht [43, 54, 57].

    Vergleich von Fusobacterium nucleatum Belastung in kolorektalen Proben zwischen kolorektalen Krebsfällen und Kontrollen

    Wie in Tabelle 3 gezeigt, F. nucleatum Quantifizierung (Last) in kolorektalen Proben wurde von 18 Studien berichtet [41,42,43,44,45,46,47,48,49,50, 52, 53, 55, 56, 58, 60,61,62] einschließlich eine Studie mit zwei unabhängigen Kohorten [49]. Die Quantifizierung der Bakterien erfolgte hauptsächlich in Stuhlproben, mit Ausnahme von Yu et al. [41], der die Bakterien sowohl in Kot als auch in Biopsien quantifizierte. Vogtmannet al. [53], Wang et al. [55] und Zhang et al. [42] berichteten über die relative Häufigkeit (RA) der Bakterien in Prozent, entsprechend dem Beitrag von F. nucleatum auf die in den Proben vorhandenen Gesamtbakterien [42, 53, 55]. Ihre Ergebnisse bestätigten, dass F. nucleatum trägt nicht auf natürliche Weise zu einem gesunden Darmmikrobiom bei (RA variierte von 0,001 bis 0,003% bei Kontrollen). Bei der Untersuchung an CRC-Fallproben, F. nucleatum war signifikant häufiger als bei den Kontrollen, aber immer noch in sehr geringen Anteilen (RA variierte von 0,061 bis 0,17%). Während nur vier Studien Ergebnisse der absoluten Quantifizierung von F. nucleatum, entweder als Kopienzahl oder Bakterienzahl, die meisten Studien führten eine relative Quantifizierung (RQ) von F. nucleatum auf die Gesamtzahl der in Proben vorhandenen Bakterien basierend auf der ΔΔCq-Methode. Diese RQ-Studien berichteten von einem signifikant höheren F. nucleatum Belastung in kolorektalen Proben von CRC-Patienten im Vergleich zu Kontrollen, mit Ausnahme von zwei Studien [50, 52]. Wechsel einklappen F. nucleatum von Kontrollen zu KRK-Fällen wurde durch drei Studien mit sehr unterschiedlichen Werten geschätzt: 132-fach nach Wong et al. [56], 66-fach nach Tunsjo et al. [61] und 5,2-fach von Xie et al. [58].

    Vergleich der Häufigkeit der Anwesenheit von Fusobacterium nucleatum bei kolorektalen Proben zwischen Darmkrebsfällen und Kontrollen

    Anstelle einer absoluten oder relativen Quantifizierung von F. nucleatum In einigen Studien wurde die Häufigkeit des Vorkommens der Bakterien in kolorektalen Proben zwischen Kontrollen und CRC-Patienten verglichen, wie in Tabelle 4 gezeigt.Einige Studien [40, 44, 49, 50, 51, 53, 54, 57, 60, 61, 63] berichteten über die Häufigkeit des Vorkommens des Bakteriums in kolorektalen Proben, wenn das Bakterium einfach nachgewiesen wurde (durch PCR, Sequenzierung oder FISH Techniken), während andere Studien [45, 47, 58] über die Häufigkeit des Auftretens des Bakteriums berichteten, wenn sein Belastungsniveau über einem bestimmten Grenzwert lag. Die Cutoff-Werte wurden typischerweise auf die Werte eingestellt, die dazu dienten, die höchste Unterscheidung zwischen CRC-Patienten und Kontrollen in Bezug auf den Youden-Index zu erreichen. Tunsjo et al. [61] Legen Sie einen Cutoff-Wert für die Erkennung fest F. nucleatum im Kot, aber nicht in Biopsien. Wie in Tabelle 4 gezeigt, wurde der Cutoff-Wert in einer Studie [58] nicht angegeben und variierte zwischen den drei anderen: 260 Kopien von F. nucleatum von Suehiro et al. [45] und ein 2 −ΔCq von 0.00026 (2 −12 ) für beide Eklof et al. [47] und Tunsjo et al. [61].

    F. nucleatum wurde häufig in allen Proben in allen Studien nachgewiesen, mit Ausnahme von Mira-Pascual et al. und Wu et al., die das Bakterium in den Biopsien der Kontrollen bzw. im Kot der Kontrollen nicht nachwiesen [50, 57]. Die Häufigkeit von Proben positiv bis F. nucleatum war in allen Studien bei CRC-Patienten höher als bei Kontrollen. Die Studie von Yu et al. war der einzige, der die FISH-Technik anwendete, die es ermöglichte, die Bakterien im Gewebe zu quantifizieren (invasiv genannt). F. nucleatum) und im Biofilm getrennt. Ihre Ergebnisse zeigten eine höhere Häufigkeit der Anwesenheit von F. nucleatum im Gewebe als im Biofilm.

    Assoziation zwischen Fusobacterium nucleatum und Darmkrebs

    Um eine Metaanalyse zum Zusammenhang zwischen F. nucleatum und CRC haben wir Daten aus 12 Studien [40, 44, 49, 50, 51, 53, 54, 57, 59, 60, 61, 63] zusammengefasst, die das Vorhandensein von F. nucleatum im Hinblick auf den Nachweis des Bakteriums in kolorektalen Proben, ohne Verwendung eines Cutoff-Wertes, der die Unterscheidung zwischen Fällen und Kontrollen, wie oben beschrieben, optimiert. Wie in Abb. 2 gezeigt, zeigen die gepoolte Gesamt-OR und das entsprechende 95-%-KI, geschätzt in einem Modell mit zufälligen Effekten, einen positiven Zusammenhang zwischen F. nucleatum Nachweis in kolorektalen Proben und CRC (OR = 8,3 95 % Konfidenzintervall (95 % CI) 5,2 bis 13,0), mit mäßiger Heterogenität (ich2 = 26.32%, P Wert für Heterogenität = 0,18). Der Funnel-Plot zur Untersuchung des Publikationsbias ist in Abb. 3 dargestellt. Die visuelle Untersuchung des Funnel-Plots deutet nicht auf einen offensichtlichen Publikationsbias hin, der auch durch den Egger-Regressionstest bestätigt wurde (p = 0,053). Die angepasste gepoolte OR-Schätzung konnte nicht berechnet werden, da keine angepassten OR-Schätzungen aus den Berichten der einzelnen Studien verfügbar waren.

    Waldgrundstück des Vereins zwischen F. nucleatum bei kolorektalen Proben und Darmkrebs. Ergebnisse einer Random-Effects-Metaanalyse von 12 Beobachtungsstudien

    Funnel Plot der natürlichen Logarithmus-transformierten Odds Ratio-Schätzungen durch den entsprechenden Standardfehler. Kreise, Studien in der Metaanalyse

    Subgruppen-Metaanalyse zeigt einen stärkeren Zusammenhang zwischen F. nucleatum und CRC in asiatischen Bevölkerungsgruppen im Vergleich zu europäischen und amerikanischen Bevölkerungsgruppen sowie in Studien, bei denen Probanden mit berichteter Antibiotikaanwendung in den letzten 3 Monaten ausgeschlossen wurden, im Vergleich zu Studien, die diese Probanden nicht ausschlossen (Abb. 4). Die Assoziation unterschied sich jedoch nicht statistisch signifikant nach Probentyp (Stuhl vs. Biopsien), Bakteriennachweistechnik (FISH vs. qPCR vs. Sequenzierung) oder früherer CED-Diagnose als Ausschlusskriterien für die Studienteilnahme.

    Walddiagramme für die Subgruppen-Metaanalyse. ATB, antibiotische IBD, entzündliche Darmerkrankung ODER, Odds Ratio


    Untersuchung des Zusammenhangs zwischen Mikrobiom und Darmkrebsanfälligkeit mittels 16SrRNA-Sequenzierung

    1 Institut für Infektion, Immunologie und Tumormikroumgebung, Schlüssellabor für die Identifizierung und Kontrolle von Arbeitsgefahren der Provinz Hubei, Medical College, Wuhan University of Science and Technology, Wuhan 430065, China

    2 Abteilung für Anästhesiologie, Drittes Volkskrankenhaus der Provinz Hubei, Wuhan 430030, China

    3 Abteilung für Gastroenterologie, Tianyou Hospital, Wuhan University of Science and Technology, Wuhan, Hubei, China

    4 Abteilung für Gastroenterologie, Taihe Hospital, Hubei University of Medicine, Shiyan, Hubei, China

    5 Abteilung für Onkologie, Renmin-Krankenhaus der Universität Wuhan, Wuhan 430060, China

    Abstrakt

    Viele frühere Studien haben kürzlich berichtet, dass die Darmmikrobiota die Entwicklung von Darmkrebs (CRC) in westlichen Ländern beeinflusst, aber die Rolle der Darmmikrobiota in der chinesischen Bevölkerung muss vollständig untersucht werden. Das Ziel dieser Studie war es, die Rolle des Darmmikrobioms bei der Initiierung und Entwicklung von CRC zu bestimmen. Wir haben Kotproben von 206 Chinesen gesammelt: 59 mit Polyp (Gruppe P), 54 mit Adenom (Gruppe A), 51 mit Darmkrebs (Gruppe CC) und 42 gesunde Kontrollen (Gruppe HC). 16S ribosomale RNA (rRNA) wurde verwendet, um die Mikrobiota-Gemeinschaftsstrukturen bei gesunden Kontrollpersonen, Patienten mit Polypen und Patienten mit Adenomen oder Darmkrebs zu vergleichen. Unsere Studie zeigte, dass die Darmflora als spezifischer Indikator signifikante Unterschiede in ihrer Vielfalt und Zusammensetzung aufwies. Die Sobs-, Chao- und Ace-Indizes der Gruppe CC waren signifikant niedriger als die der gesunden Kontrollgruppe (CC-Gruppe: Sobs-, Chao- und Ace-Indizes waren 217,3 ± 69, 4265,1 ± 80,7 bzw. 268,6 ± 78,1 HC-Gruppe: Sobs , Chao und Ace-Indizes betrugen 228,8 ± 44,4, 272,9 ± 58,6 bzw. 271,9 ± 57,2). Im Vergleich zu gesunden Individuen waren der Artenreichtum und die Diversität der Darmflora bei Patienten mit Dickdarmkrebs signifikant reduziert: PCA und PCoA zeigten beide, dass eine signifikante Trennung in der Zusammensetzung der Bakteriengemeinschaft zwischen der CC-Gruppe und der HC-Gruppe (wobei PCA die erste zwei Hauptkomponentenwerte von PC1 14,73 % und PC2 10,34 % der erklärten Varianz bzw. PCoA : PC1 = 14 %, PC2 = 9 %, PC3 = 6 %). Wilcox-Tests wurden verwendet, um die Unterschiede zwischen den beiden Gruppen zu analysieren Firmen (

    ), Synergisten ( ) waren Stämme mit signifikant unterschiedlichen Verteilungen zwischen Fällen und Kontrollen. Der Anteil der Mikroorganismenzusammensetzung variiert in verschiedenen Stadien der Darmkrebsentwicklung: Bakteroidetäten (52,14 %) und Firmen (35,88%) waren bei den gesunden Individuen auf Stammebene angereichert, die Fülle an Bakteroidetäten (52,14 % – 53,92 % – 52,46 % – 47,06 %) und Firmen (35,88%-29,73%-24,27%–25,36%) nimmt mit der Entwicklung von Gesundheitspolypen-Adenomen-CRC ab, und die Häufigkeit von Proteobakterien (9,33 % – 12,31 % – 16,51 % – 22,37 %) nimmt zu. Die PCA- und PCOA-Analyse zeigte, dass es keine signifikanten (

    ) Unterschied in der Artenähnlichkeit zwischen präkanzerösen und karzinogenen Zuständen. Es zeigte sich jedoch, dass die Zusammensetzung der Mikroflora bei Patienten mit präkanzerösen Läsionen (einschließlich Patienten mit Adenomen und Polypen) keine signifikanten Unterschiede aufwies ( ). Unsere Studie bietet Einblicke in neue Perspektiven, um potenzielle Biomarker bei der Diagnose und Behandlung von Darmkrebs zu entdecken und wissenschaftliche Ratschläge für einen gesunden Lebensstil im Interesse der Darmmikrobiota zu geben.

    1. Einleitung

    Dickdarmkrebs (CRC) ist weltweit eine häufige Krebserkrankung Dickdarmkrebs (CRC) ist die zweithäufigste Krebstodesursache und die dritthäufigste Krebserkrankung der Welt [1]. Globale epidemiologische Merkmale zeigen, dass die globale Belastung durch Dickdarmkrebs (CRC) bis 2030 mit mehr als 2,2 Millionen Neuerkrankungen und 1,1 Millionen Todesfällen voraussichtlich um 60 % zunehmen wird [2]. In China umfasste das städtische Krebs-Screening-Programm mehr als 1,38 Millionen Menschen, von denen 182.927 ein hohes Risiko für Darmkrebs (CRC) hatten [3].

    Es gibt zunehmend Hinweise darauf, dass die Darmmikrobiota zur Karzinogenese von Darmkrebs (CRC) beiträgt [4], zusammen mit genetischen und anderen Faktoren [5], einschließlich Alter, Geschlecht, Familienanamnese, übermäßiger Alkoholkonsum, Ernährung [6] mit hohem tierischen Fett und Diäten mit wenig Obst und Pflanzenfasern. Die Darmflora ist eher eines unserer Organe, bietet einen neuen Weg für therapeutische Eingriffe und ist ein Teil des Immunsystems, das den Wirt unterstützt, Gesundheit zu fördern oder Krankheiten auszulösen [7]. Auch die mit dem menschlichen Körper assoziierte Mikrobiota spielt eine Rolle bei der Gestaltung des entzündlichen Milieus und fördert das Tumorwachstum und die Tumorausbreitung [8].

    Die Rolle von Mikroorganismen, die den Prozess des Dickdarmkrebses initiieren und erleichtern, ist klar geworden [9]. Globale Daten zeigten die charakteristische Flora von Dickdarmkrebs, und bei 29 Arten wurde eine erhöhte Häufigkeit in der Stuhlflora von Patienten mit Dickdarmkrebs (CRC) festgestellt [10]. Die Mikroflora ist an der Entstehung, Entwicklung und Ausbreitung von Tumoren beteiligt. In letzter Zeit wird immer deutlicher, dass die Mikroflora, insbesondere die Darmflora, das Ansprechen auf eine Tumorbehandlung und die Empfindlichkeit gegenüber toxischen Wirkungen und Nebenwirkungen regulieren kann [11].

    Zusammen mit der Evolution der Darmmikrobiota haben einige Forscher die Hypothese aufgestellt, dass die Modulation der Mikrobiota ein Weg für eine neue zielgerichtete Therapie sein könnte [12]. Als sehr vorherrschende Therapie wurde die Mikrobiom-zielende Therapie oder die Krebs-Bakteriotherapie basierend darauf entwickelt, wie die Darmmikrobiota durch eine Ernährungsumstellung, Probiotika und Stuhltransplantation moduliert werden kann. Die Wirksamkeit und Sicherheit der Mikroflora-Transplantation zur Tumorbehandlung ist das Kernthema in diesem Bereich der translationalen Forschung. Dickdarmtumore profitierten als erste davon [13].

    Hier führen wir eine 16S ribosomale RNA (rRNA) Gensequenzierung am fäkalen Mikrobiom von normalen kolorektalen Individuen, Polypen, Adenomen und Adenokarzinomen durch. Die Darmmikrobiota, entweder als einzelne Mikroben oder als kollektiv wirksame mikrobielle Gemeinschaft, kann die Stadien der kolorektalen Karzinogenese fördern oder abschwächen [14], und wir haben dies auch in Tierstudien bestätigt.

    Wir versuchen zu erreichen, dass die Eigenschaften und Funktionen der CRC-bezogenen Mikroflora weltweit bei der Diagnose und Behandlung von CRC verwendet werden und dass bestimmte wertvolle „Darmratschläge“ für die menschliche Gesundheit gegeben werden können.

    2. Materialien und Methoden

    2.1. Probenahme

    Zwischen Januar 2017 und Dezember 2017 wurde im Tianyou-Krankenhaus der Wuhan University of Science and Technology eine Fall-Kontroll-Studie durchgeführt. Wir befragten Personen, die sich im Krankenhaus standardisierten koloskopischen Untersuchungen und körperlichen Untersuchungen unterzogen hatten, und nahmen 206 Personen als unsere Forschungsobjekte auf.

    2.1.1. CRC-Patienten (n = 51)/Polypen (n = 59)/Adenome (n = 54)/Gesunde Kontrolle (n = 42)

    Für die Studie wurden Personen rekrutiert, die von Januar 2017 bis Dezember 2017 die Abteilung für Gastroenterologie des Tianyou-Krankenhauses in Wuhan besuchten und eine Koloskopie und eine histopathologische Untersuchung erhielten. Gleichzeitig wurden gesunde Freiwillige als Gesundheitskontrollgruppe an der Wuhan University of Science and Technology rekrutiert. Die Probanden wurden in vier Gruppen eingeteilt, von denen Patienten mit kolorektalem Adenokarzinom als kolorektale Karzinom (CC)-Gruppe, Patienten mit kolorektalem Adenom als Adenom (A)-Gruppe und Patienten mit kolorektalen Polypen als Polyp (P)-Gruppe. Die rekrutierte gesunde Kontrollpopulation wurde als gesunde Kontrollgruppe (HC) aufgezeichnet. Ausschlusskriterien waren eine persönliche Vorgeschichte von CRC, IBD oder IBS (siehe Tabelle 1).

    2.1.2. Ethik-Erklärung

    Die Studie wurde von der Ethikkommission des Krankenhauses genehmigt und alle Probanden unterschrieben eine Einverständniserklärung.

    2.2. Methoden
    2.2.1. Probenentnahme und -konservierung

    Die Objekte wurden in einer sauberen Umgebung aus frischem Kot (nicht weniger als 6 g) gesammelt, in ein aseptisches Probenröhrchen gegeben und an das Labor geschickt und bei –80°C zur Untersuchung aufbewahrt. Stuhlproben wurden vor der Operation und der elektronischen Koloskopie bei Patienten mit Rektumkarzinom, Adenom und Polypen gesammelt, und während des Entnahmevorgangs sollten die Proben nicht durch Urin oder Abwasser kontaminiert werden.

    2.2.2. DNA-Extraktion und Amplifikation von 16S rRNA-Genfragmenten

    Die DNA aus der Stuhlprobe wird gemäß den Anweisungen des QIAamp DNA Stool Mini Kit extrahiert, die DNA-Konzentration wird bestimmt und zur weiteren Analyse bei -20 °C gelagert.

    Die variable Region des 16S rDNA-Gens V4 wurde durch PCR und Primer 515F5'-GTGCCAGCMGCCGCG GTAA-3' und 806R 5'-GGACTACHVGGGTWTCTAAT-3' (Tabelle 2) amplifiziert.

    Die Amplifikationsbedingungen waren wie folgt: 95 °C Lösungskette für 2 min, 95 °C, 30 s, 30 s, 55 °C 72 °C 45 s, 25 Zyklen und 72 °C verlängert für 5 min.

    Illumina MiSeq-Sequenzierung: PCR-Produkte wurden nach 2% Agarose-Gelelektrophorese gewonnen, mit den Anweisungen des AxyPrep DNA-Gel-Recovery-Kits gereinigt und mit dem quantitativen quantitativen Fluoreszenz-st-Blau-Fluoreszenz-System quantifiziert. Das gereinigte Amplikon wurde entsprechend der benötigten Sequenzierungsmenge anteilig gemischt und zur Hochdurchsatz-Sequenzierung auf der Illumina MiSeq-Plattform an die Firma BGI (Wuhan of Hubei, China) geschickt.

    2.2.3. Analyse von Gemeinschaftsmustern

    Die Tags wurden durch Skripte der Software USEARCH (v7.0.1090) zu OTU (Operational Taxonomic Unit) geclustert [15]. Verwendete Datenbanken für die Annotation von Arten: 16S rDNA wird für die Bakterien- und Archaea-Gemeinschaft verwendet: Greengene (Standard): V201305 [16] RDP: Release9 201203 [17].

    OTUs wurden wie folgt gefiltert: (1) Nicht zugewiesene OTUs wurden entfernt. (2) OTUs, die nicht der Zielart zugeordnet wurden, wurden entfernt. Zum Beispiel würden die den Archaeen zugewiesenen OTUs entfernt, wenn es sich bei dem Projekt um 16S-rDNA für die Untersuchung von Bakteriengemeinschaften handelt.

    2.2.4. Clusteranalyse von OTU

    Operationelle Taxonomieeinheiten (OTUs) sind Marker einer Gruppe, die von einer taxonomischen Einheit (Stamm, Gattung, Art, Gruppierung usw.) abgeleitet sind, um die Analyse der Phylogenie oder Populationsgenetik zu vereinfachen. In dieser Studie repräsentiert OTU die Sequenz aus derselben Quelle. Uparse-Software wurde verwendet, um OTU-Clustering auf den oben verarbeiteten Clean Tags mit 97% Ähnlichkeit durchzuführen, und Uchime 4.2 wurde verwendet. Die Software wurde mit der bestehenden Golddatenbank der 16S-Chimärendatenbank verglichen und die durch PCR-Amplifikation in der OTU-Sequenz erzeugte Chimäre wurde entfernt.

    2.2.5. OTU Venn-Diagramm

    Das Venn-Diagramm könnte die Anzahl der gemeinsamen/eindeutigen OTUs in Multisamples/-Gruppen visuell darstellen. Die Kernmikrobiome verschiedener Umgebungen könnten erhalten werden, wenn sie mit den OTU-repräsentierenden Arten kombiniert werden. Basierend auf der OTU-Häufigkeit wurde die OTU jeder Gruppe aufgelistet und das Venn-Diagramm wurde mit dem Venn-Diagramm der Software R (v3.1.1) erstellt.

    2.2.6. OTU PCA-Analyse

    Um die Unterschiede der OTU-Zusammensetzung in verschiedenen Proben anzuzeigen, wurde die Hauptkomponentenanalyse (PCA) verwendet, um eine 2D-Grafik zu erstellen, um die hauptsächlich für diesen Unterschied verantwortlichen Faktoren zusammenzufassen, und die Ähnlichkeit ist hoch, wenn zwei Proben nahe beieinander liegen. Basierend auf den OTU-Häufigkeitsinformationen wird die relative Häufigkeit jeder OTU in jeder Probe berechnet, und die PCA der OTU wurde mit dem relativen Häufigkeitswert durchgeführt. Die in diesem Schritt verwendete Software war das Paket „ade4“ der Software R (v3.1.1).

    2.2.7. OTU-Rangkurve

    Die OTU-Ranghäufigkeitskurve bietet ein Mittel zur visuellen Darstellung des Artenreichtums und der Artengleichheit. Der Artenreichtum kann als Anzahl der verschiedenen Arten auf der Karte angesehen werden (x-Achse), d. h. wie viele Arten eingestuft wurden. Die Ebenheit der Spezies wird aus der Steigung der Linie abgeleitet, die in den Graphen passt. Ein steiler Gradient weist auf eine geringe Ebenheit hin, da die hochrangigen Arten viel häufiger vorkommen als die niedrigrangigen Arten. Ein flacher Gradient weist auf eine hohe Gleichmäßigkeit hin, da die Häufigkeiten verschiedener Arten ähnlich sind. OTU wurden nach dem relativen Häufigkeitswert eingestuft als x-Achse und die relative Häufigkeit der OTU als ja-Achse wurde dann die Rangkurve von der Software R (v3.1.1) gezeichnet.

    2.2.8. Artenanmerkung

    Die Tag-Nummern jedes taxonomischen Rangs (Phylum, Klasse, Ordnung, Familie, Gattung und Spezies) oder OTU in verschiedenen Stichproben wurden in einer Profilierungstabelle oder einem Histogramm zusammengefasst und das Histogramm wurde mit der Software R (v3.1.1) erstellt.

    Basierend auf der Greengene-Datenbank (V201305) wird der Bayessche Algorithmus der RDP-Klassifikator 2.2-Software verwendet, um die repräsentativen Sequenzen jeder erhaltenen OTU mit der Datenbank für Ähnlichkeits- und Artenanmerkungen zu vergleichen und die Gemeinschaftszusammensetzung jeder Probe auf verschiedenen Klassifikationsstufen des Stamms, Klasse . zu berechnen , Ordnung, Familie, Gattung und Art und visualisiert mit einem Histogramm.

    2.2.9. Diversitätsanalyse mit Einzelprobe

    Alpha-Diversität wird verwendet, um die Komplexität der Artenvielfalt [18] für eine Stichprobe anhand mehrerer Indizes zu analysieren, darunter beobachtete Arten, Chao1, Ace, Shannon und Simpson. Die Komplexität der Stichprobe ist proportional zu den ersten vier Werten, mit einer negativen Korrelation mit dem Simpson-Wert. Der beobachtete Artenwert, der Chao1-Wert und der Ace-Wert können den Artenreichtum der Gemeinschaft widerspiegeln.

    Der Shannon-Wert und der Simpson-Wert können die Artenvielfalt der Gemeinschaft widerspiegeln, die sowohl vom Artenreichtum als auch von der Artengleichheit beeinflusst wird, d. h. die beiden Werte berücksichtigen auch die Häufigkeit jeder Art. Bei gleichem Artenreichtum gilt: Je größer die Artengleichheit, desto größer die Artenvielfalt.

    2.2.10. Seltenheitskurve

    Die Indizes werden von Mothur (v1.31.2) berechnet und die entsprechende Verdünnungskurve wird von der Software R (v3.1.1) gezeichnet.

    Die auf den drei Werten basierende Verdünnungskurve könnte auch verwendet werden, um zu bewerten, ob die produzierten Daten ausreichen, um alle Arten in der Gemeinschaft abzudecken. Wenn die Kurve dazu neigt, glatt zu sein, deutet dies darauf hin, dass die erzeugten Daten ausreichend sind. Andernfalls, wenn die Kurve mit zunehmendem Sequenzierungsaufwand weiter ansteigt, zeigt sie eine hohe Komplexität der Proben und es werden immer noch Arten durch die Sequenzierungsdaten aufgedeckt.

    2.2.11. Diversitätsanalyse zwischen Stichproben (n ≥ 4)

    Die Beta-Diversitätsanalyse wurde verwendet, um Unterschiede der Proben in der Artenkomplexität zu bewerten. Die Beta-Diversity-Analyse wurde mit der Software QIIME (v1.80) durchgeführt.

    Verschiedene Werte wie Bray-Curtis, gewichteter UniFrac, ungewichteter UniFrac und Pearson könnten verwendet werden, um die Beta-Diversität zu messen, insbesondere die ersten drei Werte.Die Bray-Curtis-Distanz ist ein häufig verwendeter Index, um die Unterschiede zwischen zwei Gemeinschaften widerzuspiegeln, und UniFrac verwendet die Systementwicklungsinformationen, um die Zusammensetzung von Gemeinschaftsarten zwischen Proben zu vergleichen.

    Die Ergebnisse können als Maß für die Beta-Diversität verwendet werden. Er berücksichtigt den Evolutionsabstand zwischen den Arten, und je größer der Index ist, desto größer sind die Unterschiede zwischen den Proben.

    2.2.12. Hauptkoordinatenanalyse

    Die Hauptkoordinatenanalyse (PCoA) ist eine multivariate statistische Analysemethode, die durch lineare Transformation einige wichtige Elemente aus mehreren Einflussfaktoren auswählt, die Dimensionalität mehrdimensionaler Daten reduziert, um die wichtigsten Elemente zu extrahieren, und die Ergebnisse in einem zweidimensionalen Koordinatendiagramm visuell darstellt um Unterschiede zwischen den Gruppen widerzuspiegeln.

    Unter Verwendung des iterativen Algorithmus in der Software QIIME1.8 wurde die PCoA-Analyse basierend auf der Beta-Diversity-Index-Matrix durchgeführt, die durch die oben genannte Berechnung erhalten wurde, und die Hauptkoordinate mit dem größten Beitragssatz wurde ausgewählt, um das Koordinatendiagramm zu zeichnen.

    Im Koordinatendiagramm gilt: Je geringer der Abstand zwischen den beiden Proben ist, desto ähnlicher ist die Artenzusammensetzung der beiden Proben, sodass die Unterschiede in der Artenzusammensetzung und Struktur der Proben beobachtet werden können.

    2.2.13. Analyse signifikanter Unterschiede zwischen Probengruppen (Gruppen 2, Proben pro Gruppe ≥ 3)

    Wir verwenden die Methode der statistischen Analyse, um die Häufigkeitsunterschiede der mikrobiellen Gemeinschaften zwischen den Proben zu ermitteln, und die FDR (False Discovery Rate) wird verwendet, um die Signifikanz von Unterschieden zu bewerten.

    Metastaten und R (v3.1.1) werden verwendet, um zu bestimmen, welche taxonomischen Gruppen sich zwischen den Probengruppen signifikant unterschieden. Wir haben den erhaltenen Wert durch eine Benjamini-Hochberg-False-Discovery-Rate-Korrektur angepasst (Funktion „p.adjust“ im Statistikpaket von R (v3.1.1)) [19].

    3. Ergebnis

    3.1. Dysbiose im Darmmikrobiom steht in engem Zusammenhang mit der Anfälligkeit für Darmkrebs
    3.1.1. OUT-Analyse

    OTU-Clustering wurde für die Sequenz mit 97% Ähnlichkeit durchgeführt, und es wurden insgesamt 2170 OTUs mit einem Durchschnitt von 23 OTUs jeder Probe erhalten. Das Venn-Diagramm von OUT zeigte, dass die gesunde Kontrollgruppe (HC) insgesamt 959 OTUs erhielt, die CC-Gruppe 1211 OTUs besaß und zwei Gruppen 837 OTUs teilten. Der nicht überlappte Teil stellt die Anzahl der OTUs dar, die für die Gruppe einzigartig ist. Verglichen mit der HC-Gruppe hatte die CC-Gruppe mehr eindeutige OTU-Nummern (siehe Abbildung 1(a)).

    Darüber hinaus zeigt die Verdünnungskurve des Alpha-Diversity-Index (Sobs-Index) eine Abflachung der Kurve, was darauf hindeutet, dass die Probensequenzierung ausreichend ist und die Sequenzierungstiefe grundsätzlich abgedeckt ist (siehe Abbildung 1(b)). Mit anderen Worten, es gibt weniger unentdeckte Arten unter den von uns entdeckten Arten, und dies garantiert die Zuverlässigkeit unserer Forschung.

    Die Hauptkomponentenanalyse (PCA) basierend auf der relativen Häufigkeit von Gattungen ergab eine signifikante Trennung in der Zusammensetzung der Bakteriengemeinschaft zwischen der CC-Gruppe und der HC-Gruppe unter Verwendung der ersten beiden Hauptkomponenten-Scores von PC1 und PC2 (14,73 % bzw. 10,34 % der erklärten Varianz). Abbildung 1(c)). Bei einigen Proben fanden wir auch eine gewisse Clusterbildung, die zeigte, dass sich die Darmflora teilweise verändert hat.

    Rangdiagramme zeigen zwei Aspekte der Artenvielfalt: Artenreichtum und Artengleichheit. In horizontaler Richtung spiegelt die Breite der Kurve den Artenreichtum wider. Je weiter die Kurve die horizontale Achse schneidet, desto höher ist die Artendichte. Die Sanftheit der Kurve spiegelt die Gleichmäßigkeit der Spezies in der Probe wider. Je sanfter die Kurve ist, desto homogener ist die Artenverteilung, je steiler die Kurve, desto heterogener die Artenverteilung. Verglichen mit der HC-Gruppe war die transversale Reichweite der CC-Gruppe größer, was auf einen erhöhten Artenreichtum hindeutet. Die Kurve ist steil, was auf eine Abnahme der Artengleichheit hindeutet (siehe Abbildung 1(d)).

    3.1.2. Alpha-Diversitätsanalyse

    Alpha-Diversität ist die Analyse der Artenvielfalt in Proben, und Ace-, Chao-, Shannon- und Simpson-Indizes werden basierend auf OTU-Arten und -Abundanzen berechnet. Der Sobs-, Chao-, Ace-Richness-Index, Shannon- und Simpson-Diversitätsindex wurden verwendet, um die Diversitätsmerkmale unserer kolorektalen Community-Ergebnisse zu beschreiben. Sobs-, Ace- und Chao-Indizes spiegeln den Artenreichtum in der Stichprobe wider, d. h. die Anzahl der OTU. Der Shannon-Index und der Simpson-Index wurden verwendet, um die Vielfalt der Gemeinschaften, einschließlich Artenreichtum und Artengleichheit, widerzuspiegeln. Daher gilt: Je größer der Shannon-Index und je kleiner der Simpson-Index, desto höher ist die Artenvielfalt in der Stichprobe.

    Wie in Abbildung 2 gezeigt, waren die Sobs-, Chao- und Ace-Indizes der Gruppe CC signifikant niedriger als die der gesunden Kontrollgruppe. Die Ergebnisse zeigten, dass der Artenreichtum der Gruppe CC signifikant geringer war als der der gesunden Kontrollgruppe. Darüber hinaus war der Shannon-Index der Gruppe CC niedriger als der der HC-Gruppe und der Simpson-Index war höher als der der HC-Gruppe, aber der Unterschied war statistisch nicht signifikant (Abbildung 2, Tabelle 3).

    3.1.3. Beta-Diversitätsanalyse

    Um Unterschiede in der Artenvielfalt zwischen Proben weiter anzuzeigen, wird die Hauptkoordinatenanalyse (PCOA) verwendet, um Unterschiede zwischen Proben anzuzeigen. Liegen die beiden Proben nahe beieinander, ist die Artenzusammensetzung der beiden Proben ähnlich. Eine signifikante Trennung in der Zusammensetzung der Bakteriengemeinschaft zwischen Gruppe HC und Gruppe CC zeigt sich gemäß dem 3D-Bild (Abbildung 3).

    3.2. Strukturanalyse der mit Darmkrebs assoziierten Mikrobiota
    3.2.1. Die mikrobielle Zusammensetzung der Gruppen HC und CC auf Phylum-Ebene

    Die Gruppe HC und Gruppe CC enthalten 11 Arten von Bakterien auf Stammebene: Bakteroidetäten, Firmen, Proteobakterien, Aktinobakterien, Fusobakterien, Verrukomikrobien, Synergisten, Tenericutes, Cyanobakterien, TM7, und Lentisphaerae (Figur 4).

    Auf Stammebene zeigte jede Probengruppe signifikante individuelle Unterschiede: Proteobakterien entfielen 9,3 % bis 22,4 % der beiden Gruppen der Anteil von Fusobakterien in zwei Gruppen reichte von 0,6% bis 3,4% (Abbildung 5).

    3.2.2. Die mikrobielle Zusammensetzung der Gruppen HC und CC auf Gattungsebene

    Die beiden Gruppen enthalten 13 Bakterien auf Gattungsebene: Bakteroiden, nicht klassifiziert, Escherichia, Prevotella, Sutterella, Fäkalibakterium, Clostridium, Streptokokken, Parabacteroides, Ruminokokken, Hämophilus, Roseburia, und Megamonas (siehe Abbildung 6). Die dominanten Bakterien in den oben genannten Proben sind in Abbildung 5 aufgeführt. In der gesunden Kontrollgruppe (HC) sind die dominanten Bakterien Prevotella, Bakteroiden, nicht klassifiziert, Fäkalibakterium, Escherichia, Roseburia, und Megamonas, und der Anteil beträgt 30 %, 30 %, 13 %, 12 %, 7 %, 4 % bzw. 4 % in der Gruppe CC, die dominanten Bakterien enthalten Bakteroiden, nicht klassifiziert, Escherichia, Prevotella, Sutterella, und Fäkalibakterium, und der Anteil beträgt 39 %, 17 %, 15 %, 8 %, 4 % bzw. 4 %.

    3.2.3. Analyse des Zusammensetzungsunterschieds von Darmmikrobiota

    Wilcox-Tests wurden verwendet, um Unterschiede in der Häufigkeit zwischen zwei Gruppen für normal bzw. nicht normalverteilte Daten zu analysieren. Die Unterschiede in der Häufigkeit der mikrobiellen Gemeinschaften zwischen den beiden Gruppen wurden mit statistischen Methoden untersucht und die Signifikanz der Unterschiede wurde durch FDR (false Discovery Rate) bewertet. Wir haben die Arten herausgefiltert, die den Unterschied in der Zusammensetzung der beiden Probengruppen verursacht haben (siehe Tabelle 4). Firmen, Fusobakterien, und Proteobakterien sind der Hauptunterschied in der Phyla.

    3.3. Interner kausaler Zusammenhang zwischen Darmmikrobiota und verschiedenen Stadien der kolorektalen Karzinogenese

    Nach unseren bestehenden Forschungsergebnissen und in Kombination mit akkumulierten Forschungsergebnissen gibt es eindeutige Beweise für einen Zusammenhang zwischen Darmdysbiose und CRC-Entwicklung. Wir stellten fest, dass sich die mikrobiellen Strukturen der CRC-Patienten und gesunden Personen signifikant unterschieden. Allerdings ist die Darmdysbiose und das Auftreten von CRC, die zuerst auftreten, noch nicht ganz klar.

    Unter Bezugnahme auf die klinisch-pathologischen Staging-Kriterien von Dickdarmkrebs haben wir alle pathologischen Erkrankungen während der Entwicklung von Dickdarmkrebs ausgewählt, einschließlich Gesundheitszustand, Polypen, Adenom und Krebsstadium, und detaillierte Gruppeninformationen wurden oben erwähnt.

    Anhand der 16S ribosomalen RNA (rRNA) Gensequenz wurde die einzigartige Rolle der Darmflora über den gesamten Verlauf der CRC-Erkrankung umfassend analysiert.

    3.3.1. Reichtums- und Diversitätsanalyse

    Der Chao-Richness-Index, der Shannon-Index und der Simpson-Diversity-Index wurden verwendet, um die Alpha-Diversitätsmerkmale unserer Ergebnisse der Bakteriengemeinschaft zu beschreiben. Wir fanden, dass der Chao-Reichheitsindex der Mikrobiota in den 4 Gruppen signifikant unterschiedlich war (der Chao-Reichtumsindex für die Normal-, Polypen-, Adenom- und Krebsgruppe betrug 271,9 ± 58,6, 238,4 ± 70,1, 240,0 ± 63,2 und 265 ± 80,7, bzw,

    , Abbildung 7(b)), während sich der Shannon-Index und der Simpson-Index in den 4 Gruppen nicht signifikant unterschieden: Der Shannon-Index für die Normal-, Polypen-, Adenom- und Krebsgruppe betrug 3,01 ± 0,56, 2,72 ± 0,72, 2,77 ± 0,59 und 2,79 ± 0,77 (Abbildung 7(d)) ​​und der Simpson-Index für normale, Adenom- und Krebsgruppen betrug 0,14 ± 0,10, 0,18 ± 0,13, 0,15 ± 0,10 bzw. 0,17 ± 0,15 (Abbildung 7(e), Tabelle 5).

    Die Hauptkomponentenanalyse (PCA) basierend auf der relativen Häufigkeit von Gattungen ergab eine signifikante Trennung in der Zusammensetzung der Bakteriengemeinschaft zwischen Gruppe HC und Gruppe P unter Verwendung der ersten beiden Hauptkomponentenbewertungen von PC1 und PC2 (16,63 % bzw. 8,65 % der erklärten Varianz). Abbildung 8(a)). In ähnlicher Weise kann ein Trennungszeichen zwischen Gruppe A und Gruppe HC unter Verwendung der ersten beiden Hauptkomponentenwerte von PC1 und PC2 gefunden werden (16,69 % bzw. 8,41 % der erklärten Varianz, Abbildung 8(b)), was darauf hindeutet, dass im Vergleich zur gesunden Kontrolle unterscheidet sich die Darmmikrobiota zwischen Patienten mit Polypen, Adenomen und CRC.

    Um den Unterschied zwischen präkanzerösen Läsionen, einschließlich Polypen und Adenomen, und dem onkogenen Zustand weiter zu veranschaulichen, wird die Hauptkoordinatenanalyse (PCoA) verwendet, um Unterschiede zwischen den Proben anzuzeigen. Liegen die beiden Proben nahe beieinander, ist die Artenzusammensetzung der beiden Proben ähnlich (Abbildung 9).

    Bei der Analyse der Speziesähnlichkeit in Kombination mit dem Gesamtentwicklungsstadium des Dickdarmkrebses gibt es eine neue Entdeckung: Es gab keinen signifikanten Unterschied in der Speziesähnlichkeit zwischen präkanzerösen und karzinogenen Zuständen (Abbildung 10).

    Bakteroidetäten und Firmen waren in der gesunden Kontrollgruppe im Vergleich zu den Polypen-, Adenom- und CRC-Gruppen angereichert (Bakteroidetäten: 52,14 % vs. 53,92 % in der HC- bzw. Polypen-Gruppe 53,92 % vs. 52,46 % in der Polypen- bzw. Adenom-Gruppe und 52,46 % vs. 47,06 % in der Adenom- bzw. CRC-Gruppe Firmen: 35,88 % vs. 29,73 % in den HC- und Polypengruppen bzw. 29,73 % vs. 24,27 % in den Polypen- bzw. Adenomgruppen und 24,27 % vs. 25,36 % in der Adenom- bzw. CRC-Gruppe). Proteobakterien war in der HC-Gruppe im Vergleich zu den anderen 3 Gruppen relativ selten (9,33 % vs. 12,31 % in den HC- und Polypengruppen bzw. 12,31 % vs. 16,51 % in den Polypen- bzw. Adenomgruppen und 16,51 % vs. 22,37 % in den Adenom- und CRC-Gruppe) (Abbildungen 5, 11 und Tabelle 5).

    3.3.2. Taxa-Analyse auf Phylum-Ebenen

    Basierend auf der Analyse der Zusammensetzung jeder Gruppe unter allen Bakterien auf Stammebene waren die vorherrschenden Stämme Bakteroidetäten, Firmen, Proteobakterien, Fusobakterien, und Aktinobakterien.

    Es gibt das Trenddiagramm, das auf der mikrobiellen Gesamtzusammensetzung für jede Gruppe auf Stammebene basiert (Abbildung 12), und wir haben festgestellt, dass der Anteil der Mikroorganismenzusammensetzung in verschiedenen Stadien der Dickdarmkrebsentwicklung unterschiedlich ist, d mikrobiell variiert auch.

    3.4. Auf der Suche nach einem eindeutigen Biomarker

    In R wurden der Wilcoxon- und Kruskal-Wallis-Test durchgeführt und die Werte nach der Benjamin-Hochberg-Methode angepasst. Ein Benjamin-Hochberg-Wert <0,05 wurde als signifikant angesehen.

    Wir untersuchten alle Gruppen statistisch signifikanter Arten, die in Tabelle 6 aufgeführt sind. Fusobakterien und Firmen kann die Krankheitsgruppe klar von der gesunden Gruppe unterscheiden, egal ob die Krankheit in der Zeit des Polypen, Adenoms oder Krebses liegt, nicht nur das mit der Entwicklung von Gesundheits-Adenomen-CRC, Gesundheits-Polypen-Adenomen oder Gesundheits-Adenomen -CRC, unabhängig von der oben genannten Krankheitsverlaufssequenz, Fusobakterien weist immer die Eigenschaften einer Markerspezies auf (Tabelle 7).

    4. Diskussion

    Diese Studie liefert den Beweis, dass die Darmmikrobiota eng mit der Entwicklung von CRC verbunden ist. Wir bestätigen, dass sich die Mikrobiota von Patienten mit CRC von der gesunder Kontrollen unterscheidet. In unserer Studie zeigen wir, dass die Darmmikrobiota mit dem Fortschreiten des kolorektalen Neoplasmas entlang der Polypen-Adenom-Karzinom-Sequenz ein spezifisches Strukturnetzwerk mit einigen funktionellen Merkmalen bildet. Die Darmmikrobiota hat eine lebenswichtige Symbiose mit dem Menschen eingegangen. Wanget al. [20] analysierten zusammen mit seinem Team die Stuhlproben chinesischer CRC-Patienten und fanden heraus, dass Bacteroides fragilis, Enterokokken, Escherichia/Shigella, Klebsiella, und Streptokokken, und Peptostreptokokken zeigte eine höhere relative Häufigkeit bei CRC-Patienten, während Roseburia- und Lachnospiraceae-bezogene OTUs dominierten hohe Belastung in den gesunden Kontrollen. Die Forscher kamen auch zu dem Schluss, dass die CRC-Patienten eine geringere Mikrobiota-Diversität und Clostridien-Häufigkeit aufwiesen, aber eine hohe Häufigkeit von Fusobakterium und Porphyromonas auf Gattungsebene in einer anderen Studie [21]. Fusobakterium wurde als die häufigste Bakterienart in Darmkrebsgeweben und Metastasen mit Darmkrebszellen identifiziert [22], Fusobakterium (ein Anaerobier in der Mundhöhle) wird mit Darmkrebs in Verbindung gebracht Fusobakterium in Tumorgewebe und Kot von Patienten mit Dickdarmkrebs war signifikant erhöht und die Entzündungsreaktion durch Clostridiumnukleat kann auch die Entstehung von Dickdarmkrebs begünstigen [23]. Fusobacterium nucleatum ist in Darmkrebsgeweben (CRC) angereichert und kann mehrere Stadien der CRC-Progression beeinflussen: Förderung der Proliferation von Krebszellen, der Immunabwehr von Tumoren, Rezidiven und Chemotherapieresistenz und so weiter. Fusobacterium nucleatum kann als potenzieller Marker für die Diagnose und Prognosebewertung von CRC verwendet werden und ist auch ein potenzielles Ziel für die Behandlung von CRC [24–32].

    Im Gegensatz zu den anderen experimentellen Schemata [14, 33] ist ein einzigartiges Merkmal unseres experimentellen Designs die Stichprobenziehung von Individuen in verschiedenen Stadien der kolorektalen Neoplasie, die fast alle symbolischen Präkanzerosenstadien abdeckten. Wir haben den Reichtum erfasst und die Zusammensetzung der Darmmikrobiota in jeder Phase verglichen, und unsere systematische Analyse macht auf die Bedeutung mikrobieller Konsortien als potenzieller Akteur bei der Entwicklung von kolorektalen Tumoren aufmerksam.

    Im Vergleich zu gesunden Menschen Bakteroidetäten, Firmen, und Proteobakterien waren reich an Patienten mit CRC, und viele andere Forscher kamen zu der gleichen Schlussfolgerung, wie bei den Individuen mit Polypen, die Hauptkomponentenanalyse zeigt eine signifikante Trennung, obwohl die Zusammensetzung der Arten keinen solchen Unterschied aufwies. Wenn die Krankheit zu einem präkanzerösen Stadium fortschreitet, schien die Mikrobiota während dieser Zeiträume eine relativ stabile und ähnliche Situation zu erreichen, in der sie bis zu einem gewissen Grad ein hohes Maß an Ähnlichkeit aufweisen. Vor allem auch darauf hingewiesen, dass sich die Mikroorganismen in der Frühphase der Krebsvorstufe verändert und bis in die spätere Krebsvorstufe erhalten bleiben, ist es die treibende Rolle, die in einem frühen Stadium wirkt [9, 34].

    In vielen vorliegenden Studien ist auch nachgewiesen, dass andere Bakterien über die Stadien der kolorektalen Karzinogenese hinweg eine unverzichtbare Rolle spielen, darunter Butyricoccus, E coli [25, 35], Parvimonas mikro und Solobacterium moorei [26], Bacteroides fragilis [27, 36], Parvimonas mikro und Peptostreptokokken [28, 37], Prevotella [38], Campylobacter jejuni [3], Faecalibacterium prausnitzii, Bifidobakterium, und Lactobacillus-Gattung [31].

    Ein weiteres einzigartiges Merkmal unserer Studie ist, dass durch Tierversuche bestätigt wird, dass Veränderungen der Mikroflora tatsächlich das Auftreten und die Entwicklung von CRC fördern. In der Studie von Jobin und Furet [39, 40] wurden fäkale Bakterien von CRC-Patienten oder gesunden Menschen auf sterile und normale Mäuse transplantiert Flora Abundanz beider Arten von Mäusen nahm ab. Die Studie legt einen kausalen Zusammenhang zwischen den Bakterien und Darmkrebs nahe und könnte zu neuen Behandlungen führen. Es wird gut argumentiert, dass die Sondenfütterung von Stuhlproben von Patienten mit Darmkrebs die intestinale Karzinogenese bei keimfreien und konventionellen Mäusen fördert [41]. Die Stuhltransplantation ist weithin anerkannt bei der Behandlung von C. schwierig Infektionen, aber auch für andere Krankheiten, wie die Bekämpfung anderer refraktärer Krankheitserreger unter dem Druck antibiotischer Behandlungsoptionen. Eine Stuhltransplantation kann auch für den Einsatz bei einer Vielzahl von chronischen Erkrankungen unter bestimmten Störungen des Gleichgewichts in Betracht gezogen werden [42]. Es sind jedoch noch viele Studien erforderlich, um die Methode und Wirkung von f . zu beweiseneinekale Transplantation.

    Unsere Studie weist bestimmte Einschränkungen auf. Wir konnten nicht durch bestimmte Mikroökosysteme entschlüsseln, die möglicherweise unbekannte koexklusive Beziehungen zwischen Mitgliedern der Keystone-Hypothese aufweisen. Denn es gibt immer einen niedrigeren pH-Wert in der Tumorumgebung, und einige Wissenschaftler entdeckten, dass eine winzige Änderung des pH-Werts massive Schwankungen bei Darmmikroben, einschließlich der Gattung, verursacht Fusobakterium [25]. Der genetische Phänotyp erwies sich als mit der Krankheit assoziiert, wurde aber in unserer Studie nicht untersucht. Interindividuelle Variationen des tumorassoziierten genetischen Phänotyps stellen seit langem eine Herausforderung für die Entschlüsselung mikrobieller Signaturen dar, die an der kolorektalen Tumorentstehung beteiligt sind.

    Nicht zuletzt ist die Ernährung mit einer erhöhten Inzidenz von CRC verbunden. Die Ernährung formt die Mikroflora und beeinflusst ihre Metaboliten und Funktionen. Eine übermäßige Aufnahme von tierischem Protein und Fett (insbesondere von rotem Fleisch und verarbeitetem Fleisch) führt zu übermäßiger sekundärer Gallensäure und Schwefelwasserstoff, was zu Barrierestörungen, Entzündungen, DNA-Schäden, Genotoxizität usw. führt, was das Risiko für CRC erhöhen kann. Ballaststoffe produzieren kurzkettige Fettsäuren wie Buttersäure. Durch Zellstoffwechsel, bakterielle Homöostase, Antiproliferation, Immunregulation und genetische/epigenetische Regulation spielt es eine entzündungshemmende und antitumorale Rolle und schützt die Dickdarmepithelzellen. Eine ausgewogene ballaststoffreiche Ernährung beugt CRC vor [6, 43, 44].

    Datenverfügbarkeit

    Die Daten, die zur Untermauerung der Ergebnisse dieser Studie verwendet wurden, sind im Artikel enthalten.

    Interessenskonflikte

    Die Autoren geben an, dass kein Interessenkonflikt besteht.

    Autorenbeiträge

    Wanxin Liu und Ren Zhang trugen gleichermaßen zu dieser Studie bei und teilten sich die Erstautorenschaft.

    Danksagung

    Finanziert wurde diese Studie von der National Natural Science Foundation of China (Grant-Nr. 81573239), Scientific Research Projects of Health Commission of Hubei Province (Key Support Projects, 2020∼2021, Rong Shu), dem Open Project Fund of Hubei Province Key Laboratory of Occupational Hazard Identification and Control (Nr. OHIC2017G03), das Undergraduate Innovation Project der Wuhan University of Science and Technology (Nr. 18ZRC189) und das Graduate Innovation Project der Wuhan University of Science and Technology (Nr. JCX201863).

    Verweise

    1. T. Z. DeSantis, M. S. Shah, J. L. Cope und E. B. Hollister, „Mikrobielle Marker bei der Diagnose von Darmkrebs: Versprechen, Realität und Herausforderung“, Mikrobiologie der Zukunft, Bd. 12, nein. 15, S. 1341–1344, 2017. View at: Publisher Site | Google Scholar
    2. M. Arnold, M. S. Sierra, M. Laversanne, I. Soerjomataram, A. Jemal und F. Bray, „Globale Muster und Trends bei der Inzidenz und Mortalität von Darmkrebs“, Darm, Bd. 66, Nr. 4, S. 683–691, 2017. View at: Publisher Site | Google Scholar
    3. Z. He, R. Z. Gharaibeh, R. C. Newsome et al., „Campylobacter jejuni fördert die kolorektale Tumorentstehung durch die Wirkung des zytoletalen ausdehnenden Toxins.“ Darm, Bd. 68, Nr. 2, S. 289–300, 2019. View at: Publisher Site | Google Scholar
    4. Z. Gao, B. Guo, R. Gao, Q. Zhu und H. Qin: „Microbiota disbiosis ist mit Darmkrebs verbunden“ Grenzen in der Mikrobiologie, Bd. 6, s. 20, 2015. Ansicht auf: Website des Herausgebers | Google Scholar
    5. S. V. Lynch und O. Pedersen, „Das menschliche Darmmikrobiom in Gesundheit und Krankheit“, New England Journal of Medicine, Bd. 375, Nr. 24, S. 2369–2379, 2016. View at: Publisher Site | Google Scholar
    6. T. Irrazábal, A. Belcheva, S. E. Girardin, A. Martin und D. J. Philpott, „Die facettenreiche Rolle der intestinalen Mikrobiota bei Dickdarmkrebs“, Molekulare Zelle, Bd. 54, Nr. 2, S. 309–320, 2014. View at: Publisher Site | Google Scholar
    7. J. R. Marchesi, D. H. Adams, F. Fava et al., „Die Darmmikrobiota und die Gesundheit des Wirts: eine neue klinische Grenze“, Darm, Bd. 65, Nr. 2, S. 330–339, 2016. View at: Publisher Site | Google Scholar
    8. C. A. Brennan und W. S. Garrett, „Darm-Mikrobiota, Entzündungen und Darmkrebs“, Jährliche Überprüfung der Mikrobiologie, Bd. 70, nein. 1, S. 395–411, 2016. Ansicht auf: Verlagsseite | Google Scholar
    9. R. Gao, Z. Gao, L. Huang und H. Qin, „Darmmikrobiota und Darmkrebs“, European Journal of Clinical Microbiology & Infectious Diseases, Bd. 36, nein. 5, S. 757–769, 2017. View at: Publisher Site | Google Scholar
    10. J. Wirbel, P. T. Pyl, E. Kartal et al., „Meta-Analyse fäkaler Metagenome zeigt globale mikrobielle Signaturen, die spezifisch für Dickdarmkrebs sind.“ Naturmedizin, Bd. 25, nein. 4, S. 679–689, 2019. View at: Publisher Site | Google Scholar
    11. S. Roy und G. Trinchieri, „Microbiota: a Key Orchestrator of Cancer Therapy“, Natur Bewertungen Krebs, Bd. 17, nein. 5, S. 271–285, 2017. View at: Publisher Site | Google Scholar
    12. J. L. McQuade, C. R. Daniel, B. A. Helmink und J. A. Wargo, „Modulation des Mikrobioms zur Verbesserung des therapeutischen Ansprechens bei Krebs“, Die Lancet-Onkologie, Bd. 20, nein. 2, S. 77–91, 2019. View at: Publisher Site | Google Scholar
    13. X. Wu, T. Zhang, X. Chen, G. Ji und F. Zhang, „Mikrobiota-Transplantation: gezielte Krebsbehandlung“, Krebs Buchstaben, Bd. 452, S. 144–151, 2019. View at: Publisher Site | Google Scholar
    14. G. Nakatsu, X. Li, H. Zhou et al., „Mikrobiom der Darmschleimhaut über die Stadien der kolorektalen Karzinogenese hinweg“, Naturkommunikation, Bd. 6, nein. 1, S. 8727–8735, 2015. View at: Publisher Site | Google Scholar
    15. R. C. Edgar, „UPARSE: hochgenaue OTU-Sequenzen aus mikrobiellen Amplikon-Reads“, Naturmethoden, Bd. 10, nein. 10, S. 996–998, 2013. View at: Publisher Site | Google Scholar
    16. T. Z. DeSantis, P. Hugenholtz, N. Larsen et al., „Greengenes, a chimera-checked 16S rRNA gene database and workbench Compatible with ARB“, Angewandte und Umweltmikrobiologie, Bd. 72, nein. 7, S. 5069–5072, 2006. View at: Publisher Site | Google Scholar
    17. J. R. Cole, Q. Wang, J. A. Fish et al., „Ribosomal Database Project: data and tools for high throughput rRNA analysis“, Nukleinsäureforschung, Bd. 42, Nr. D1, S. D633–D642, 2014. View at: Publisher Site | Google Scholar
    18. D. S. Patrick, L. W. Sarah, T. Ryabin et al., „Introducing mothur: Open-Source, plattformunabhängige, von der Community unterstützte Software zum Beschreiben und Vergleichen mikrobieller Gemeinschaften“, Angewandte und Umweltmikrobiologie, Bd. 75, nein. 23, S. 7537–7541, 2009. View at: Publisher Site | Google Scholar
    19. R. W. James, N. Niranjan und P. Mihai, „Statistische Methoden zum Nachweis unterschiedlich häufiger Merkmale in klinischen metagenomischen Proben“, PLoS Computerbiologie, Bd. 5, nein. 4, Artikel-ID e1000352, 2009. Ansicht auf: Publisher-Site | Google Scholar
    20. T. Wang, G. Cai, Y. Qiu et al., „Strukturelle Trennung der Darmmikrobiota zwischen Darmkrebspatienten und gesunden Freiwilligen“, Das ISME-Journal, Bd. 6, nein. 2, S. 320–329, 2012. View at: Publisher Site | Google Scholar
    21. J. Ahn, R. Sinha, Z. Pei et al., „Menschliches Darmmikrobiom und Risiko für Darmkrebs“, JNCI: Zeitschrift des National Cancer Institute, Bd. 105, Nr. 24, S. 1907–1911, 2013. View at: Publisher Site | Google Scholar
    22. S. Bullman, C. S. Padamallu, E. Sicinska et al., „Analyse der Fusobacterium-Persistenz und Antibiotika-Reaktion bei Darmkrebs“, Wissenschaft, Bd. 358, Nr. 6369, S. 1443–1448, 2017. View at: Publisher Site | Google Scholar
    23. S. Zhang, S. Cai und Y. Ma, „Assoziation zwischen Fusobacterium nucleatum und Darmkrebs: Fortschritt und zukünftige Richtungen“, Zeitschrift für Krebs, Bd. 9, nein. 9, S. 1652–1659, 2018. View at: Publisher Site | Google Scholar
    24. C. A. Brennan und W. S. Garrett, „Fusobacterium nucleatum – Symbiont, Opportunist und Onkobakterium“, Natur Bewertungen Mikrobiologie, Bd. 17, nein. 3, S. 156–166, 2019. View at: Publisher Site | Google Scholar
    25. K. Xu und B. Jiang, „Analyse der Schleimhaut-assoziierten Mikrobiota bei Darmkrebs“, Monitor für medizinische Wissenschaften, Bd. 23, nein. 23, S. 4422–4430, 2017. View at: Publisher Site | Google Scholar
    26. J. Yu, Q. Feng, S. H. Wong et al., „Metagenomische Analyse des fäkalen Mikrobioms als Werkzeug für gezielte nicht-invasive Biomarker für Darmkrebs“, Darm, Bd. 66, Nr. 1, S. 70–78, 2017. View at: Publisher Site | Google Scholar
    27. Z. Wei, S. Cao, S. Liu et al.: „Könnte die Darmmikrobiota als prognostischer Biomarker im Zusammenhang mit dem Überleben von Darmkrebspatienten dienen? Eine Pilotstudie zu relevanten Mechanismen“, Oncotarget, Bd. 7, nein. 29, S. 46158–46172, 2016. View at: Publisher Site | Google Scholar
    28. J. L. Drewes, J. R. White, C. M. Dejea et al., „Hochauflösende bakterielle 16S rRNA-Genprofil-Metaanalyse und Biofilmstatus zeigen häufige Darmkrebs-Konsortien.“ NPJ Biofilms Mikrobiome, Bd. 3, s. 34, 2017. Ansicht auf: Website des Herausgebers | Google Scholar
    29. Y. Yang und C. Jobin, „Hand in Hand – Darmkrebs metastasiert mit Mikroorganismen“, Nature Bewertungen Gastroenterologie und Hepatologie, Bd. 15, nein. 3, S. 133-134, 2018. View at: Publisher Site | Google Scholar
    30. H. Tilg, T. E. Adolph, R. R. Gerner und A. R. Moschen, „Die intestinale Mikrobiota bei Darmkrebs“, Krebszelle, Bd. 33, nein. 6, S. 954–964, 2018. View at: Publisher Site | Google Scholar
    31. S. Guo, L. Li, B. Xu et al., „Ein einfacher und neuartiger fäkaler Biomarker für Darmkrebs: Verhältnis von Fusobacterium nucleatum zu Probiotika-Populationen, basierend auf ihrer antagonistischen Wirkung.“ Klinische Chemie, Bd. 64, nein. 9, S. 1327–1337, 2018. View at: Publisher Site | Google Scholar
    32. T. Yu, F. Guo, Y. Yu et al., „Fusobacterium nucleatum fördert die Chemoresistenz gegen Dickdarmkrebs, indem es die Autophagie moduliert.“ Zelle, Bd. 170, Nr. 3, S. 548–563, 2017. View at: Publisher Site | Google Scholar
    33. B. Flemer, D. B. Lynch, J. M. R. Brown et al., „Tumor-assoziierte und nicht-tumor-assoziierte Mikrobiota bei Darmkrebs“, Darm, Bd. 66, Nr. 4, S. 633–643, 2017. View at: Publisher Site | Google Scholar
    34. C. L. Sears und W. S. Garrett, „Mikroben, Mikrobiota und Dickdarmkrebs“, Zellwirt und Mikrobe, Bd. 15, nein. 3, S. 317–328, 2014. View at: Publisher Site | Google Scholar
    35. T. Faïs, J. Delmas, A. Cougnoux, G. Dalmasso und R. Bonnet, „Targeting kolorektalen Krebs-assoziierten Bakterien: ein neues Forschungsgebiet für personalisierte Behandlungen“, Darmmikroben, Bd. 7, nein. 4, S. 329–333, 2016. View at: Publisher Site | Google Scholar
    36. C. M. Dejea, P. Fathi, J. M. Craig et al., „Patienten mit familiärer adenomatöser Polyposis beherbergen Kolon-Biofilme, die tumorerzeugende Bakterien enthalten.“ Wissenschaft, Bd. 359, Nr. 6375, S. 592–597, 2018. View at: Publisher Site | Google Scholar
    37. A. M. Thomas, P. Manghi, F. Asnicar et al., „Metagenomische Analyse von Kolorektalkrebs-Datensätzen identifiziert kohortenübergreifende mikrobielle diagnostische Signaturen und einen Zusammenhang mit dem Cholinabbau.“ Naturmedizin, Bd. 25, nein. 4, S. 667–678, 2019. View at: Publisher Site | Google Scholar
    38. B. Flemer, R. D. Warren, M. P. Barrett et al., „Die orale Mikrobiota bei Dickdarmkrebs ist unverwechselbar und prädiktiv.“ Darm, Bd. 67, Nr. 8, S. 1454–1463, 2018. View at: Publisher Site | Google Scholar
    39. C. Jobin, „Menschliche Darmmikrobiota und Darmkrebs: Über assoziative Studien hinausgehen“, Gastroenterologie, Bd. 153, Nr. 6, S. 1475–1478, 2017. View at: Publisher Site | Google Scholar
    40. J.-P. Furet, O. Firmesse, M. L. Gourmelon et al., „Vergleichende Bewertung der fäkalen Mikrobiota von Menschen und Nutztieren mit quantitativer Echtzeit-PCR“, FEMS Mikrobiologie Ökologie, Bd. 68, Nr. 3, S. 351–362, 2009. View at: Publisher Site | Google Scholar
    41. S. H. Wong, L. Zhao, X. Zhang et al., „Die Sondenfütterung von Stuhlproben von Patienten mit Darmkrebs fördert die intestinale Karzinogenese bei keimfreien und konventionellen Mäusen.“ Gastroenterologie, Bd. 153, Nr. 6, S. 1621–1633, 2017. View at: Publisher Site | Google Scholar
    42. A. Khoruts und M. J. Sadowsky, „Die Mechanismen der Transplantation von Mikrobiota im Stuhl verstehen“, Nature Bewertungen Gastroenterologie und Hepatologie, Bd. 13, nein. 9, S. 508–516, 2016. View at: Publisher Site | Google Scholar
    43. J. Yang und J. Yu, „Der Zusammenhang von Ernährung, Darmmikrobiota und Darmkrebs: Was wir essen, kann bedeuten, was wir bekommen.“ Protein & Zelle, Bd. 9, nein. 5, S. 474–487, 2018. View at: Publisher Site | Google Scholar
    44. S. J. D. O’Keefe, „Ernährung, Mikroorganismen und ihre Metaboliten und Dickdarmkrebs“, Nature Bewertungen Gastroenterologie und Hepatologie, Bd. 13, nein. 12, S. 691–706, 2016. View at: Publisher Site | Google Scholar

    Urheberrechte ©

    Copyright © 2020 Wanxin Liu et al. Dies ist ein Open-Access-Artikel, der unter der Creative Commons Attribution License vertrieben wird und die uneingeschränkte Verwendung, Verbreitung und Reproduktion in jedem Medium erlaubt, vorausgesetzt, das Originalwerk wird ordnungsgemäß zitiert.


    Begriffsdefinitionen

    Alle Änderungen wurden am 30.05.2013 vorgenommen.

    Für einige der neun eingeschlossenen Endpunkte gibt es potenziell viele systematische Übersichtsarbeiten und Metaanalysen. Systematische Reviews und Metaanalysen werden bewertet und für die Aufnahme priorisiert, und zwar auf Grundlage der Methodenleitlinie 37 für das Evidence-based Practice Center (EPC)-Programm, wobei der Notwendigkeit bewusst bleibt, potenzielle Verzerrungen zu minimieren und diese Notwendigkeit durch praktische Erwägungen auszugleichen . Es werden die aktuellsten und qualitativ hochwertigsten Bewertungen, wie von AMSTAR bewertet, 38 aufgenommen.

    • Die Studienauswahl zur Bewertung von Behandlungseffekten (d. h. kausal) für KQ 2 wird auf systematische Übersichtsarbeiten randomisierter kontrollierter Studien beschränkt und gegebenenfalls durch einzelne Studien ergänzt. SRs werden berücksichtigt, wenn sie die folgenden Kriterien erfüllen, die aus dem AMSTAR-Tool und den AHRQ-Leitlinien abgeleitet wurden: 1) Es wurden mindestens zwei elektronische Quellen durchsucht, Schlüsselwörter und/oder MESH-Begriffe angegeben 2) Einschluss-/Ausschlusskriterien für die Studie gemeldet 3) Studienqualität (potenzielle Verzerrung .) ) der eingeschlossenen Studien bewertet und dokumentiert.
    • Während der Aktualisierung der Suche werden neue SRs und RCTs, die nicht in den ursprünglichen SRs enthalten waren, bewertet, bewertet und Beweise mit zugewiesener Beweiskraft synthetisiert.

    Für KQ2 war unser ursprüngliches Ziel: 1) SRs von randomisierten kontrollierten Studien zu identifizieren und 2) diejenigen Studien mit ausreichender Dauer und Stichprobengröße (>250 Teilnehmer) zu überprüfen, die in den SR eingeschlossen waren, um kausale Effekte plausibel nachzuweisen: 5 Jahre für Kolorektal-, Brust-, oder Eierstockkrebs und Frakturergebnisse ein Jahr für koronare Herzkrankheit, Schlaganfall oder Thromboembolie und Gallenblasenerkrankung. Wenn kein SR (oder Reviews) identifiziert wird, werden wir mit der Suche nach randomisierten kontrollierten Studien fortfahren, die diese Kriterien erfüllen.


    Cetuximab versus Bevacizumab bei metastasierendem Darmkrebs: eine vergleichende Wirksamkeitsstudie

    Es bestehen Unsicherheiten bezüglich der vergleichenden Wirksamkeit von Cetuximab gegenüber Bevacizumab bei metastasierendem Kolorektalkarzinom (mCRC). Wir führten eine retrospektive Kopf-an-Kopf-Studie mit mehreren Kohorten durch, in der die klinischen Ergebnisse beider Antikörper verglichen wurden

    Methoden

    Die Kohorten wurden nach Behandlungslinie und Untergruppen nach (K)RAS-Status und Tumorseitigkeit definiert. Neben anderen Endpunkten haben wir die Ansprechraten, das progressionsfreie (PFS) und das Gesamtüberleben (OS) geschätzt und verglichen.

    Ergebnisse

    Zwischen Januar 2010 und April 2018 wurden 311 Patienten eingeschlossen. Mit Ausnahme des (K)RAS-Mutationsstatus waren die Ausgangsmerkmale über die Behandlungsgruppen hinweg ausgewogen. In der vollständigen Analyse der Erst- und Zweitlinien-Kohorten, PFS (Erstlinien: HR = 0,85 95 % KI 0,64 bis 1,13 P = 0,26 zweite Linie: HR = 1,16 95 %-KI 0,74 bis 1,83 P = 0,51) und OS (Erste-Linie: HR = 0,83 95 % KI 0,61 bis 1,15 P = 0,26 zweite Linie: HR = 0,88 95 % KI 0,56 bis 1,38 P = 0,58) waren im Bevacizumab- und im Cetuximab-Arm ähnlich. In Subgruppenanalysen der Erstlinientherapie fanden wir einen Überlebensunterschied zugunsten von Bevacizumab bei rechtsseitigen Tumoren (PFS: HR = 0,52 95 % KI 0,29 bis 0,93 P = 0,025 OS: HR = 0,60 95 % KI 0,32 bis 1,12 P = 0,11), aber nicht linksseitig (HR = 1,04 95 %-KI 0,75 bis 1,46 .) P = 0,81 OS: HR = 0,94 95 % KI 0,65 bis 1,36 P = 0,74) oder (K)RAS-Wildtyp-Tumoren (PFS: HR = 0,91 95 % CI 0,60 bis 1,40 P = 0,67 OS: HR = 0,79 95 % KI 0,50 bis 1,25 P = 0,31). Die Ansprechraten waren in allen Behandlungsgruppen ähnlich, mit Ausnahme der Untergruppe der Patienten mit rechtsseitigen Primären, bei der Bevacizumab wesentlich besser abschnitt.

    Abschluss

    Diese Studie liefert Hinweise darauf, dass Bevacizumab und Cetuximab zu ähnlichen Wirksamkeitsergebnissen bei mCRC führen, mit Ausnahme von rechtsseitigen Tumoren, bei denen Cetuximab deutlich schlechtere Ergebnisse zu zeigen schien. Weitere Forschung ist erforderlich, um diese Ergebnisse zu bestätigen.


    Einführung

    Darmkrebs (CRC) ist die dritthäufigste Krebserkrankung mit der vierthöchsten Krebsmortalität weltweit. Basierend auf zeitlichen Profilen und demografischen Projektionen wird die KRK-Inzidenz bis 2030 voraussichtlich um 60 % zunehmen 1 . Trotz weltweiter Bemühungen, die Pathogenese des CRC klar zu definieren, bleibt die genaue Ätiologie des CRC unbekannt. Es wurde jedoch festgestellt, dass die Inzidenz von CRC durch genetische, epigenetische und Umweltfaktoren wie die Ernährung beeinflusst wird 2 . Die Inzidenzrate von CRC hat insbesondere in Entwicklungsländern zugenommen. Dieser Anstieg könnte einen Anstieg der Prävalenz von CRC-Risikofaktoren im Zusammenhang mit Westernisierung widerspiegeln.Die Verwestlichung der Entwicklungsländer ist durch zunehmende ungesunde Ernährungsgewohnheiten, Fettleibigkeit und Rauchen gekennzeichnet 3,4 . Die globalisierte Verbreitung ungesunder, westlich geprägter Ernährung mit hohem Anteil an rotem, verarbeitetem Fleisch und gesättigten Fetten gibt Anlass zur Besorgnis, da berichtet wird, dass ein steigendes KRK-Risiko mit einem erhöhten Verzehr von Fleisch, tierischen Fetten und cholesterinreichen Lebensmitteln zusammenhängt 4,5 . Menschen, die eine cholesterinreiche Ernährung zu sich nehmen, haben eine höhere Inzidenz von CRC gezeigt als diejenigen, die eine cholesterinarme Ernährung zu sich nehmen 6 . Darüber hinaus wurde berichtet, dass einheimische Afrikaner mit einem geringen CRC-Risiko und einer Ernährung mit hohem Getreide- und Gemüseanteil durch höhere . gekennzeichnet sind Prevotella als afroamerikanische Kollegen mit einem erhöhten Risiko für die Entwicklung von CRC und einer Ernährung mit hohem Anteil an rotem Fleisch und Fett, was darauf hindeutet, dass Darmbakterien auch eine Rolle beim ernährungsbedingten CRC-Risiko spielen 7 .

    Obwohl eine Vielzahl möglicher Mechanismen vorgeschlagen wurde, durch die eine fettreiche Ernährung (HFD) zur Entwicklung eines CRC führen kann, wurde kürzlich gezeigt, dass die Darmmikrobiota ein wahrscheinlicher Vermittler zwischen der Ernährung und dem CRC ist. Über 100 Billionen Bakterien befinden sich im menschlichen Darm und bilden eine komplexe Gemeinschaft, die den Stoffwechsel und die Immunfunktionen vermittelt, um die menschliche Gesundheit und Krankheit sowohl direkt als auch indirekt zu beeinflussen 8 . Nachdem der Einfluss der Darmmikrobiota auf Stoffwechsel und Krankheiten aufgedeckt wurde, hat sich die Beziehung zwischen der Ernährung, der Darmmikrobiota und dem CRC herauskristallisiert. Es ist bekannt, dass ein HFD die Darmpermeabilität erhöht, was wiederum das Niveau der durch Darmmikrobiota assoziierten Lipopolysaccharid (LPS)-induzierten lokalen Entzündung erhöht, und beide Phänomene, die unabhängig mit CRC in Verbindung gebracht wurden 9,10 . Von LPS wurde wiederum berichtet, dass es die Synthese und die Serumspiegel von Leptin, einem bekannten Wachstumsfaktor für Dickdarmepithelzellen, erhöht 11 . Es wurde gezeigt, dass erhöhte Serum-Leptinspiegel sowohl mit HFD-induzierter Fettleibigkeit als auch mit CRC 12 in Verbindung stehen. Darüber hinaus wurde gezeigt, dass Leptin die Karzinogenese induziert, indem es die Proliferation von Dickdarmkrebszellen in vitro erhöht 13 . Insgesamt zeigen diese Ergebnisse ein Beispiel für das komplexe Netzwerk der Wechselwirkungen zwischen Ernährung, Darmmikrobiota und KRK und unterstreichen insbesondere die vermittelnde Rolle der Darmmikrobiota.

    Next-Generation-Sequencing (NGS) hat es Forschern ermöglicht, die für jedes Individuum einzigartige ganzheitliche Bakteriengemeinschaftsstruktur zu bestimmen. Allerdings haben gemischte Ergebnisse einen klaren Konsens über die genaue Gemeinschaftsdynamik zwischen der Darmmikrobiota und dem CRC verhindert. Eine der konsistentesten Bakteriengruppen, die mit CRC-Karzinogenese in Verbindung gebracht werden können, ist Bakteroiden spp., besonders Bacteroides fragilis. Es hat sich gezeigt, dass eine hohe Häufigkeit von Bakteroiden ist mit einem erhöhten Risiko für Dickdarmpolypen verbunden, induziert Entzündungen und trägt zum CRC bei 2,15 . Insgesamt verringerte sich der Trend bei Milchsäurebakterien, erhöhte sich Fusobakterium, und geändert Bakteroiden/Prevotella Auch in der Darmmikrobiota von CRC wurden Konzentrationen berichtet. Während zahlreiche Faktoren zu Variationen in den Ergebnissen von Darmmikrobiom-Studien bei Darmkrebs beitragen können, wie z. Bakterien setzen nanoskalige Lipid-Doppelschicht-verkapselte EVs frei, die aus Proteinen, Lipiden, DNA, RNA, Lipopolysacchariden und Metaboliten bestehen. Freigesetzte Mikrobiota-abgeleitete EVs interagieren mit Wirtszellen sowohl lokal als auch distal und steuern verschiedene zelluläre Prozesse, indem sie ihre zellulären Komponenten übertragen 16 . Die Menge und Zusammensetzung der sezernierten extrazellulären Vesikel ist nicht statisch, und wir haben durch metagenomische Analyse gezeigt, dass Veränderungen der Darmmikrobiota EVs mit einer Vielzahl von Erkrankungen wie entzündlichen Darmerkrankungen und Tight Junction-Permeabilität verbunden sind 17,18 . Die Auswirkungen der vielfältigen und dynamischen Zusammensetzung bakterieller Nukleinsäuren, die in aus Mikrobiota gewonnenen EVs enthalten sind, müssen jedoch noch als Störfaktor bei der metagenomischen Analyse der Darmmikrobiota berücksichtigt werden.

    Um die vermittelnde Rolle der Darmmikrobiota in der Beziehung zwischen Ernährung und CRC aufzuklären, versuchten wir, signifikante Veränderungen der Darmmikrobiota im Zusammenhang mit CRC zu identifizieren. Wir isolierten Bakterien und entfernten alle bakteriellen EVs aus dem Stuhl von 89 CRC-Patienten und 161 gesunden Kontrollen und führten eine 16s rDNA metagenomische Analyse des resultierenden Bakterienpellet durch. Durch diese Analyse entwickelten wir zwei CRC-Diagnosemodelle, die auf der schrittweisen Auswahl von signifikant veränderten Darmmikrobiota-abgeleiteten Biomarkern (D1-Modell) und zwei signifikant erhöhten und zwei signifikant verringerten Bakteriengattungen (D2-Modell) basieren. Darüber hinaus stellten wir die Hypothese auf, dass mit CRC assoziierte Schlüsselbakterien durch die Ernährung reguliert werden können, was nützliche Biomarker für das ernährungsbedingte CRC-Risiko liefert. Um diese Hypothese zu überprüfen, führten wir eine In-vivo-Studie durch, in der mikrobielle Veränderungen im Darm und das damit verbundene CRC-Risiko bei Mäusen untersucht wurden, die mit einem HFD oder einem mit einer Vielzahl von Getreide ergänzten HFD gefüttert wurden. Die Ergebnisse dieser Studie tragen zu einem vielversprechenden Fortschritt in der CRC-Theragnostik, Darmmikrobiota-basierten Therapeutika und der Methodik der metagenomischen Darmmikrobiota-Analyse bei.


    Ausschluss- und Einschlusskriterien für gesunde Kontrollpersonen in der Darmkrebsstudie – Biologie

    Zielsetzung Keimbahn TP53 pathogene (P) Varianten verursachen das Li-Fraumeni-Syndrom (LFS), eine aggressive Multitumor-prädisponierende Erkrankung. Aufgrund der Implementierung von Multigen-Panel-Tests, TP53 Varianten wurden bei Personen ohne LFS-Verdacht nachgewiesen, zum Beispiel bei Patienten mit Dickdarmkrebs (CRC). Unser Ziel war es zu entschlüsseln, ob diese Ergebnisse das Ergebnis der Erkennung der Hintergrundpopulation oder der ätiologischen Grundlage des CRC sind.

    Entwurf Wir haben analysiert TP53 in 473 Fällen mit familiärem/frühem CRC und wertete die Ergebnisse zusammen mit fünf zusätzlichen Studien aus, die bei Patienten mit CRC durchgeführt wurden (insgesamt n=6.200). Kontrollpopulation und LFS-Daten wurden aus der Genome Aggregation Database (gnomAD V.2.1.1) und der International Agency for Research on Cancer (IARC) bezogen. TP53 Datenbank bzw. Alle Varianten wurden nach den Richtlinien des American College of Medical Genetics and Genomics und der Association for Molecular Pathology (ACMG/AMP) nach dem ClinGen . neu klassifiziert TP53 Spezifikationen des Expertengremiums.

    Ergebnisse P oder wahrscheinlich pathogene (LP) Varianten wurden bei 0,05% der Kontrollen (n=27/59 095) und 0,26% der Patienten mit CRC (n=16/6200) (p<0,0001) identifiziert (OR=5,7, 95% CI 2.8 bis 10.9), von denen keiner die klinischen Kriterien erfüllte für TP53 testen. Dieser Zusammenhang wurde immer noch festgestellt, wenn Patienten mit CRC, die in einem höheren Alter (>50 und >60 Jahre) diagnostiziert wurden, von der Analyse ausgeschlossen wurden, um die Einbeziehung von Varianten, die durch klonale Hämatopoese verursacht werden, zu minimieren. Funktionsverlust- und Missense-Varianten waren im Vergleich zu Kontrollen stark mit CRC assoziiert (OR = 25,44, 95 %-KI 6,10 bis 149,03, für Funktionsverlust und Allele an der Spleißstelle, und OR = 3,58, 95 %-KI 1,46 bis 7,98 , für Missense P- oder LP-Varianten).

    Abschluss TP53 P-Varianten sollten nicht eindeutig mit LFS assoziiert sein. Prospektive Nachsorge von Keimbahnträgern TP53 P-Varianten in Abwesenheit von LFS-Phänotypen werden definieren, wie die Überwachung und das klinische Management dieser Personen durchgeführt werden sollten.

    • Krebsgenetik
    • Krebsanfälligkeit
    • Krebssyndrome
    • Gen Mutation
    • Gentest


    Schau das Video: Schritte einer systematischen Übersichtsarbeit (August 2022).