Nerandomizovaná studie zkoumající dopad konzumace hnědé rýže na střevní mikrobiotu, pozornost a krátkodobou pracovní paměť u thajských dětí školního věku, část 2

2.4. Kvantitativní analýza fekální mikrobioty

Vzorky stolice byly odebírány dětem na začátku, 4., 15., 56. a 61. týden a 71. týden ve sterilizovaných nádobách a byly okamžitě zmraženy na -80 ◦C. Mikrobiální extrakce DNA a kvantitativní měření absolutního množství fekální mikrobiotaby byly provedeny, jak bylo popsáno dříve [29].

Vztah mezi kvantitativními měřítky a pamětí je téma hodné studia. U mnoha problémů v životě jsou problémy s pamětí často ty, které lidi trápí, jako je neschopnost zapamatovat si důležité věci, zapomínat na časy schůzek atd. V této době nám kvantitativní metody měření mohou pomoci porozumět situaci paměti a provádět cílená zlepšení .

Kvantitativní metody měření mohou kvantifikovat paměť lidí vědeckými prostředky. Na tomto základě jsou navrženy některé specifické a účinné metody k trénování paměti. V každodenním životě můžeme také používat jednoduché metody k trénování paměti, jako je zapamatování slov, poezie atd. To vše jsou účinné způsoby, jak rozvíjet dobrou paměť.

Zároveň můžeme také zlepšit paměť ve všech aspektech života. Chceme-li si například zapamatovat nové slovo ve slovní zásobě, můžeme ho několikrát přečíst, několikrát napsat nebo spojit s jeho významem, takže paměť bude hlubší.

V době informační exploze se často cítíme zahlceni informacemi. Mnohokrát si potřebujeme zapamatovat spoustu věcí, ale nevíme, jak s těmito informacemi naložit. V tuto chvíli můžeme pomocí metod kvantitativního měření zjistit stav naší paměti a poté trénovat a zlepšovat se na základě konkrétních situací. Prostřednictvím rozumných paměťových metod můžeme efektivně zlepšit naši paměť a poskytnout více pohodlí pro náš život a práci.

Stručně řečeno, vztah mezi kvantitativním měřením a pamětí je neoddělitelný. Potřebujeme použít vědecké metody, abychom objevili naše paměťové podmínky, a poté provádět efektivní trénink založený na konkrétních situacích. Věřím, že dokud budeme neúnavně trénovat, podaří se nám posílit paměť a zlepšit kvalitu života. Je vidět, že potřebujeme zlepšit paměť a Cistanche deserticola dokáže výrazně zlepšit paměť, protože Cistanche deserticola dokáže regulovat i rovnováhu neurotransmiterů, jako je zvýšení hladiny acetylcholinu a růstových faktorů. Tyto látky jsou velmi důležité pro paměť a učení. Kromě toho může maso také zlepšit průtok krve a podpořit dodávku kyslíku, což může zajistit, že mozek dostane dostatek živin a energie, a tím zlepší mozkovou vitalitu a vytrvalost.

Klikněte na vědět doplňky pro posílení paměti

Stručně, mikrobiální genomová DNA byla extrahována ze vzorků stolice pomocí innuPREP Stool DNA Kit (Analytik Jena Biometra, Jena, Německo) a koncentrace a čistota DNA byly stanoveny pomocí Take 3Micro-Volume Plate (Biotek, Winooski, VT, USA).

Absolutní množství genů rRNA microbiota16s pak bylo kvantifikováno pomocí qPCR pomocí Real-Time Thermal CyclersCFX96 TouchTM (Bio-Rad, Singapur) na základě specifických primerů uvedených v tabulce S1.

Podmínky qPCR a odhady počtu kopií mikrobioty byly provedeny podle předchozího protokolu [37]. Log10 počtu kopií 16S rRNA na gram vlhké hmotnosti výkalů je uveden v našich doplňkových datech.

2.5. Statistická analýza

Distribuce dat byla zkoumána pomocí Shapiro–Wilkova testu a testu Levene (balíček statistik verze 4.0.3). Pro vizualizaci dat byl použit R balíček ggplot2 [38]. Benjamini-Hochbergova (BH) korekce p-hodnoty byla použita pro vícenásobnou testovací korekci (q-value). Významnost byla stanovena při q < 0.05. Všechny statistické analýzy byly provedeny v softwaru R verze 4.0.3 [39].

Rozdíly v průměrné absolutní abundanci střevní mikroflóry mezi intervenčními skupinami pro každý časový bod byly stanoveny t-testem nebo Wilcoxonovým rank sum testem podle normality distribuce dat.

Změny střevní mikroflóry mezi časovými body každé fáze (u subjektů) byly hodnoceny pomocí párových t-testů nebo Wilcoxonových znaménkových rank testů po významných výsledcích z jednosměrných opakovaných měření ANOVA nebo Friedmanova testu (p < 0,05 ). Změny v absolutním množství gutmikrobioty mezi týdny byly vyjádřeny jako log2 transformované násobky změn (Log2FCs).

Vztahy mezi absolutní abundancí střevní mikroflóry a věkem školních dětí byly stanoveny pomocí Pearsonova nebo Spearmanova koeficientu pořadové korelace.

Asociace mezi střevní mikroflórou a intervencí v každém časovém bodě, přizpůsobená demografickým proměnným (věk, pohlaví, z-skóre BMI, způsob porodu, záznam narození a etnický původ), byla hodnocena pomocí permutační multivariační analýzy rozptylu (PERMANOVA) pomocí Adonisovy funkce. . Ke zkoumání účinku intervence v průběhu týdnů každé fáze byla provedena PERMANOVA s použitím účastníků jako strat a úprav pro kovariáty. Podmínka homogenity založená na euklidovské vzdálenosti byla měřena pomocí betadinové funkce.

Permutace byla provedena na 999 v balíčku R vegan(2.6-2) [40]. Dále jsme určili dopad intervence na střevní mikrobiotu pomocí redundantní analýzy (RDA) při úpravě o kovariáty.

Léčba byla použita jako omezené vysvětlující proměnné a absolutní množství střevní mikroflóry bylo použito jako proměnné odezvy. Významnost omezení byla hodnocena pomocí permutačního testu podobného ANOVA (permutace=999). Postupný výběr vysvětlujících proměnných byl proveden pomocí krokové funkce založené na kritériích AIC.

Kognitivní výsledky mezi intervenčními skupinami pro každý týden byly porovnány pomocí Welchova dvouvýběrového t-testu nebo Wilcoxon rank sum testu. Rozdíl v kognitivní výkonnosti napříč týdny každé fáze (v rámci subjektů) byl stanoven pomocí Wilcoxonova testu se znaménkem po významných výsledcích Friedmanova testu (p < 0,05).

Použili jsme RDA ke stanovení účinku intervence na kognitivní výkon dětí školního věku při přizpůsobení věku a pohlaví. Účinek časových bodů na množství střevní mikroflóry byl také hodnocen pomocí RDA s použitím účastníků jako vrstev.

Stav RDA probíhal tak, jak je popsáno výše. Ke stanovení vztahu mezi kognitivní výkonností a střevní mikroflórou jsme použili Spearmanův rankcorrelation koeficient.

Byla provedena vícefaktorová analýza (MFA) s cílem prozkoumat variace střevní mikroflóry, které lze vysvětlit intervenčními a hostitelskými proměnnými (věk a pohlaví) pomocí FactoMine R verze 2.4 [41] a vizualizací pomocí Factoextra verze 1.0. 7 [42].

3. Výsledky

3.1. Charakteristika dětí školního věku

Po kontrole kvality dat (obrázek 1) jsme analyzovali zbývajících 85 a 57 dětí ve fázi I a II. Děti na počátku studie byly v průměru 7,02 a 10,52 let ve skupinách WR a SLR.

Základní charakteristiky kontrolních a intervenčních skupin byly významně odlišné pro věk (p < {0}}.0001), hmotnost (p < 0,0001), výšku (p < 0,0001), BMI z- skóre (p=0.03) a typ krmení (p=0.02) (tabulka S2).
Podobný vzorec byl také pozorován napříč časovými body studie, s výjimkou BMI, které se mezi skupinami v týdnu 71 významně nelišilo (tabulky S3–S7).

3.2. Vliv intervence rýže Sinlek na střevní mikrobiotu dětí školního věku

S ohledem na každý z časových bodů nebyly v první fázi intervence (fáze I; výchozí stav, týden 4 a týden 15) žádné významné rozdíly v absolutním množství střevní mikroflóry mezi kontrolní skupinou (WR) a skupinou s intervencí Sinlek (SLR). ).

Vícerozměrná srovnání pomocí PERMANOVA (podle okraje) také ukázala, že intervence ve fázi I neměla žádný významný vliv na změny střevní mikroflóry po úpravě o demografické proměnné (doplňkový soubor S1).

Dále jsme určili asociaci mezi množstvím střevní mikroflóry a věkem a zjistili jsme, že Lactobacillus negativně koreloval s věkem na základní linii (Pearsonova korelace; R {{0}} −0.24, p {{ 3}}.026) a 4. týden (Pearsonova korelace; R=−0,3, p=0,002) (obrázek 2b,d). Pro druhou fázi intervence (fáze II) však byly v týdnech 61 a 71 zaznamenány změny v mikrobiálním množství. Množství všech bakterií (q=0,032) a Firmicutes (q=0,032 ) byly významně zvýšeny, zatímco hladina gamaproteobakterií (q < 0,0001) byla po intervenci SLR v 61. týdnu významně snížena (obrázek 2e–g).

Tyto bakterie byly také významně spojeny s věkem, kde bylo množství všech bakterií (Pearsonova korelace; R {{0}} −0.32, p=0.0 15) a Firmicutes (Pearsonova korelace; R=−0,32, p=0,014, obrázek 2h) se s rostoucím věkem snižovaly, zatímco absolutní početnost gamaproteobakterií pozitivně korelovala s věkem (Pearsonova korelace; R { {11}},62, p < 0,0001, obrázek 2i).

V 71. týdnu byla hladina Bacteroidetes významně snížena ve skupině SLR (q < 0.0001) (obrázek 2j) a její četnost pozitivně korelovala s věkem (Spearmanova hodnostní korelace; R { {4}},57, p < 0,0001, obrázek 21).

S ohledem na změny v množství střevní mikroflóry v průběhu týdnů (v rámci subjektů) kontrolní a intervenční skupiny jsme pozorovali podobné vzorce ve dvou skupinách účastníků. Zdálo se, že gamaproteobakterie po zásahu velmi kolísají: jejich početnost byla významně snížena v týdnu 4 a v týdnu 61 (obrázky 3a, b, S1c a S2c, doplňkový soubor S2).

Zdálo se však, že hladiny těchto bakterií se na konci každé fáze (týden 15 a týden 71) vrátí zpět. Kromě toho bylo množství Bacteroidetes pro skupinu SLR nižší v týdnu 71 ve srovnání s týdny 56 a 61 (obrázky 3a a S2e). Během fáze II byl také pozorován postupný pokles četnosti dvou mikrobiálních taxonů, jmenovitě Ruminococcus a Bacteroides, přičemž jejich četnost byla nejnižší na konci studie (71. týden) (obrázky 3b a S2f,g), bez ohledu na intervenci.

Dále jsme hodnotili, zda existují rozdíly v množství střevní mikroflóry mezi jednotlivými léčbami a napříč týdny s použitím účastníků jako strat. PERMANOVA naznačila, že přítomnost léčby a/nebo časový bod (týden) studie během obou fází měly významné okrajové účinky na hojnost střevní mikroflóry (p < 0,05).

Disperze (varianty) mezi skupinami a model zohledňující demografické proměnné se statistickou významností jsou shrnuty v doplňkovém souboru S3. Dále jsme prozkoumali sílu asociace a variace střevní mikroflóry vysvětlenou intervencí pomocí RDA. Významné rozdíly byly zjištěny pouze ve fázi II.

Množství gamaproteobakterií bylo více obohaceno v kontrolní skupině (WR) než ve skupině SLR, zatímco vyšší celkový počet bakterií Firmicutes a Bacteroidetes byl spojen s intervencí SLR v 61. týdnu (RDA1 vysvětlil 30,58 % celkového rozptylu, R2adj {{5} }.29,p=0.001, obrázek 3c). V 71. týdnu byla četnost Bacteroidetes vyšší v kontrolní skupině než ve skupině SLR (RDA1 vysvětlila 8,18 % celkového rozptylu, R2adj=0.06,p=0.005, obrázek 3d) .

Poté jsme přistoupili k postupnému výběru vysvětlujících proměnných (intervenční a demografické proměnné) na základě AIC. Model odhalil, že pouze intervence významně vysvětlila variace v profilech střevní mikroflóry dětí školního věku (q=0,035).

3.3. Kognitivní výkonnost mezi kontrolní a intervenční skupinou

Ve fázi I jsme našli významné rozdíly mezi kontrolní a intervenční skupinou v kognitivních výsledcích. Skupina SLR vykázala významně vyšší skóre v Corsi block-tapping testu (nazývaném MMG, paměťová hra) a celkový výkon (OVP) v testu psychomotorické bdělosti (PVT-B), zatímco reakční časy (RT) a výpadky byly nižší než u kontroly. skupině (obrázek 4).

Ve fázi II zůstaly vzorce kognitivního výkonu nezměněny. Porovnali jsme také kognitivní výkon (u subjektů) v průběhu týdnů každé fáze a zjistili jsme, že kontrolní skupina (fáze I) si vedla lépe ohledně výpadků v týdnu 15 ve srovnání s výchozí hodnotou a týdnem 4 (q=0,02) (obrázek S3). RT byla vyšší v týdnu 15 ve srovnání s týdnem 4 (q=0,008), zatímco nebyly zjištěny žádné významné rozdíly v MMG nebo OVP. MMG byl jediný kognitivní výsledek, který byl významně vyšší pro skupinu SLR (fáze I) v týdnu 15 ve srovnání s výchozí hodnotou (q=0,003) a týdnem 4 (q=0,03) (obrázek S4) .

Ve fázi II nebyly v průběhu týdnů žádné významné rozdíly v žádném z měření kognitivní výkonnosti v kontrolní skupině ani ve skupině SLR. Kromě toho byly do RDA zahrnuty také věk a pohlaví a výsledky neprokázaly žádný intervenční účinek na kognitivní výkon dětí. v kterékoli skupině v kterémkoli časovém bodě během 71 týdnů studie.

Bylo však zjištěno, že věk významně popisuje variace kognitivních výsledků ve výchozím stavu (p=0,008), v týdnu 4 (p=0,005) a v týdnu 15 (p=0 0,028) (obrázek 5), u nichž věk pozitivně koreloval s MMG a OVP. V 56., 61. nebo 71. týdnu nebyly zjištěny žádné významné účinky způsobené intervencí, věkem nebo pohlavím na kognitivní výkon.

Při zvažování kognitivních profilů napříč týdny každé léčby v každé fázi týden (p=0,001) i pohlaví (p=0,001) významně popsaly variace v kognitivní výkonnosti kontrolní skupiny (fáze I) , pro které ženské pohlaví a týden 15 pozitivně korelovaly s MMG a OVP (obrázek S5a).

Děti měly lepší výsledky v MMG v týdnu 15 ve skupině SLR (fáze I), zatímco ženské pohlaví pozitivně korelovalo s výpadky a RT (obrázek S5b). Účinek úpravy přizpůsobení věku a pohlaví byl také hodnocen pro každou fázi při kontrole pro týden (časové body). RDA ukázala, že věk měl silný vztah s OVP a MMG ve fázi I (obrázek S6a), zatímco ve fázi II byl výkon ohledně RT a lapsů horší ve skupině SLR než v kontrolní skupině (obrázek S6b).
Celkově byly věk a časové body více spojeny s kognitivní výkonností dětí školního věku než intervence a účinek intervence byl pozorován pouze při omezení vzorků v každém týdnu fáze II po úpravě podle věku a pohlaví.

3.4. Asociace mezi střevní mikrobiotou a kognitivní výkonností dětí školního věku

Našli jsme slabé korelace mezi střevní mikroflórou a kognitivními výsledky ve všech bodech intervence na základě Spearmanových korelačních koeficientů. Několik asociací bylo významných (p < {{0}}},05), ale pouze jedna asociace detekovaná ve 4. týdnu pro skupinu SLR (Roseburia vs. Lapses, rho=−0,40, q {{6 }}.04), zůstaly významné po úpravě pro vícenásobná srovnání (obrázek S7).

V 56. a 71. týdnu bylo nalezeno několik asociací, které se blížily významnosti. Asociace identifikované ve skupině SLR v 56. týdnu zahrnovaly Faecalibacterium–RT (rho=0.62, q=0.07 ), Prevotella–OVP(rho=−0,55, q {{10}}},08), Gammaproteobacteria–OVP (rho=−0,58, q=0,07) a Faecalibacterium–OVP (rho=−0,64, q=0,05). V 71. týdnu Faecalibacterium pozitivně korelovalo s RT v kontrolní skupině (rho=0,62, q=0,07).

S ohledem na věk a pohlaví byla provedena další analýza asociace mezi střevní mikroflórou a kognitivní výkonností v každém časovém bodě pomocí MFA k odhalení odchylek mezi jednotlivými profily léčebných skupin (doplňkový soubor S4).

Ačkoli jednotlivé variace byly vysvětleny množstvím střevní mikroflóry v Dim 1 obou fází (p < 0.0001), v Dim bylo zaznamenáno silné oddělení mezi kontrolní skupinou a skupinou SLR 2 (obrázky 6 a 7). Kontrastní profil mezi těmito dvěma skupinami byl ovlivněn věkem a OVP, které pozitivně korelovaly s Dim 2 (p < 0,0001), zatímco RT i lapsy byly korelovány negativně (p < 0,0001).

Gamaproteobakterie však měly největší vliv na popis jednotlivých variací v této dimenzi v 61. týdnu (p < 0.0001). Hladina této bakterie byla nižší ve skupině SLR (souřadnice=−1,35, p < 0,0001).

Navzdory nestejným velikostem vzorků MZV uvedlo, že rozdíl v profilech dětí školního věku v této nerandomizované klinické studii byl více ovlivněn věkem a kognitivní výkonností než střevní mikroflórou, což naznačuje menší příspěvek intervence k individuálním variacím v této studii.

4. Diskuze

Naše studie nepozorovala žádné významné změny v absolutním množství střevní mikrobioty po první fázi intervence s rýží Sinlek u dětí školního věku. Významné rozdíly mezi skupinami však byly zaznamenány ve fázi II (týdny 61 a 71) pro totalbacteria, Firmicutes, Bacteroidetes a Gammaproteobacteria.

Pozorovali jsme také významné rozdíly v kognitivní výkonnosti mezi kontrolní a intervenční skupinou v obou fázích. Nenašli jsme silnou korelaci mezi střevní mikrobiotou a kognitivní výkonností v žádném časovém bodě.

Další analýzy naznačovaly, že v této kohortě intervence s rýží Sinlek nepřispěla ke změnám střevní mikroflóry a kognitivních profilů dětí školního věku, protože výsledky byly primárně ovlivněny věkem.

For more information:1950477648nn@gmail.com