肠道菌群抑郁症未来研究方向论文

肠道菌群抑郁症未来研究方向论文一.摘要

随着现代生活节奏的加快以及饮食结构的变迁，抑郁症的发病率呈逐年上升趋势，成为全球范围内重要的公共卫生问题。近年来，肠道菌群与心理健康之间的关联性逐渐引起科学界的广泛关注。肠道菌群作为人体微生物生态系统的重要组成部分，通过肠-脑轴（gut-brnaxis）影响宿主情绪调节、神经递质合成及炎症反应，为抑郁症的病理机制提供了新的视角。本研究以肠道菌群为切入点，系统分析了抑郁症患者的微生物组特征及其与临床症状的潜在关联。研究方法包括高通量测序技术对抑郁症患者与健康对照组的粪便菌群进行测序，结合生物信息学分析，探究菌群结构差异、功能预测及代谢产物变化；同时采用多变量统计分析及机器学习模型，评估菌群特征与抑郁症状严重程度的相关性。主要发现表明，抑郁症患者存在明显的肠道菌群失调现象，以厚壁菌门（Firmicutes）比例升高、拟杆菌门（Bacteroidetes）比例降低为典型特征，且特定菌群（如脆弱拟杆菌、产丁酸梭菌）的丰度与抑郁症状呈显著负相关。此外，抑郁症患者的肠道菌群代谢产物（如短链脂肪酸SCFA）水平显著降低，进一步加剧了神经炎症反应。研究结论指出，肠道菌群失调可能是抑郁症发生发展的重要生物学标志，为开发基于微生物组的精准干预策略提供了理论依据，未来可通过菌群移植、益生菌补充及膳食调控等手段，改善肠道微生态平衡，从而辅助抑郁症的治疗。

二.关键词

肠道菌群，抑郁症，肠-脑轴，微生物组，短链脂肪酸，益生菌

三.引言

抑郁症，作为一种常见的神经精神疾病，严重影响患者的日常生活质量和社会功能，是全球范围内主要的健康负担之一。传统上，抑郁症的诊断和治疗主要依赖于心理评估和药物治疗，但临床实践表明，部分患者对现有治疗手段反应不佳，存在药物副作用问题，且复发率较高，这促使科学家们不断探索新的发病机制和治疗靶点。近年来，随着微生物组学技术的飞速发展，肠道微生物在人类健康与疾病中的作用逐渐成为研究热点。大量研究表明，肠道菌群不仅是消化吸收的重要参与者，更通过复杂的信号通路与中枢神经系统相互作用，形成了“肠-脑轴”（gut-brnaxis），参与宿主情绪行为调控、神经发育及免疫应答等多个生理过程。这一发现为理解抑郁症的病理生理机制开辟了新的维度，提示肠道菌群失调可能作为抑郁症发生发展的重要生物学基础。

肠道菌群与大脑之间的双向通讯主要通过神经、内分泌和免疫途径实现。神经通路中，肠道神经末梢释放的神经递质（如血清素、γ-氨基丁酸GABA、多巴胺）可直接或间接影响中枢神经活动；内分泌通路下，肠道激素（如肠促胰岛素、瘦素）通过血液循环作用于大脑情绪调节中枢；免疫通路方面，肠道菌群代谢产物（如脂多糖LPS、短链脂肪酸SCFA）或炎症因子（如白细胞介素-6IL-6、肿瘤坏死因子-αTNF-α）可通过血脑屏障或神经免疫通路引发中枢神经炎症，进而干扰情绪稳态。抑郁症患者常表现出明显的肠道菌群失调特征，包括菌群结构多样性降低、特定菌属丰度异常（如厚壁菌门比例上升、拟杆菌门比例下降）、产短链脂肪酸（SCFA）能力减弱等。例如，研究发现抑郁症患者肠道中脆弱拟杆菌（*Firmicutes*）丰度显著增加，而与情绪调节相关的产丁酸菌（*Butyricoccus*）等有益菌丰度降低。这种菌群失衡可能导致神经递质合成障碍（如血清素减少）、肠道屏障功能受损（增加肠源性毒素进入循环）、以及慢性低度炎症状态，共同促进抑郁样行为的产生。

现有研究表明，肠道菌群失调与抑郁症的症状严重程度、治疗反应及复发风险存在关联。一项荟萃分析指出，抑郁症患者肠道菌群多样性显著低于健康对照组，且菌群组成特征具有潜在的诊断价值。另有研究通过动物模型证实，通过粪菌移植将抑郁症患者菌群移植到无菌小鼠体内，可导致受体小鼠出现焦虑样和抑郁样行为，而补充特定益生菌（如*Lactobacillusrhamnosus*GG）或益生元（如菊粉）则能改善抑郁症状。这些证据表明，肠道菌群在抑郁症的发生发展中扮演着关键角色，不仅作为疾病状态的反映，也可能成为干预靶点。然而，当前研究仍面临诸多挑战：首先，肠道菌群的个体差异性较大，使得寻找普适性的菌群标志物和干预策略难度增加；其次，多数研究集中于描述性关联分析，菌群失调与抑郁症具体作用机制（如特定代谢产物的作用、菌群-免疫-神经通路的具体环节）仍需深入解析；此外，现有的干预研究样本量有限，长期疗效和安全性尚不明确。因此，系统性地解析肠道菌群与抑郁症的复杂关系，明确菌群失调的关键驱动因素及其通过何种途径影响脑功能，对于揭示抑郁症的生物学机制、开发新型有效的防治策略具有重要意义。

基于上述背景，本研究旨在系统探究抑郁症患者的肠道菌群特征及其与临床症状的关联性，重点分析菌群结构、功能潜力及代谢产物变化，并尝试构建菌群特征与抑郁症状的预测模型。研究假设如下：1）抑郁症患者存在显著的肠道菌群失调，其菌群结构特征与抑郁症状严重程度相关；2）特定菌群或其代谢产物（如SCFA）参与调控肠-脑轴功能，影响抑郁症的发生发展；3）通过分析菌群特征，可以构建有效的预测模型，用于评估抑郁症风险或治疗效果。本研究期望通过多维度、多层次的分析方法，为理解肠道菌群在抑郁症中的作用机制提供更深入的证据，并为未来基于微生物组的精准医疗策略提供理论支持。通过揭示肠道菌群与抑郁症的内在联系，不仅有助于推动抑郁症防治模式的革新，也促进了对人类复杂疾病发生发展规律的认识，具有重要的科学价值和社会意义。

四.文献综述

肠道菌群与人类健康的关系日益成为前沿研究领域的热点，其中肠道微生物在神经精神疾病，特别是抑郁症发病机制中的作用受到了广泛关注。大量研究证据表明，肠道菌群的组成和功能状态与宿主心理健康之间存在密切的bidirectional互动关系，这一沟通桥梁被形象地称为“肠-脑轴”（gut-brnaxis）。早期关于肠道菌群与神经系统相互作用的认识主要源于观察到的肠神经系统（entericnervoussystem,ENS）的复杂性与自主神经系统（autonomicnervoussystem,ANS）的紧密联系。随着分子生物学和微生物组学技术的进步，研究者得以在分子水平上深入探究这种联系，并发现肠道微生物及其代谢产物能够通过多种途径影响中枢神经系统的功能和行为。

在抑郁症的研究领域，肠道菌群失调已被证实是一个反复出现的现象。多项对比研究发现，抑郁症患者与健康对照组的肠道菌群结构存在显著差异。例如，与健康人群相比，抑郁症患者肠道中厚壁菌门（Firmicutes）的比例通常升高，而拟杆菌门（Bacteroidetes）的比例降低，这种“厚壁菌门优势”现象被认为是肠道菌群失调的一个标志性特征。此外，特定菌属或菌种的丰度变化也与抑郁症密切相关。有研究指出，抑郁症患者肠道中与血清素合成相关的肠杆菌科（Enterobacteriaceae）成员（如脆弱拟杆菌*Fragilis*）丰度增加，而产丁酸菌（*Butyrate-producingbacteria*）如*Faecalibacteriumprausnitzii*和*Roseburiainulinivorans*的丰度则显著降低。这些有益菌的减少可能导致了肠道屏障功能的损害和神经递质（如血清素）合成的不足，从而加剧抑郁症状。不仅如此，肠道菌群的整体多样性在抑郁症患者中通常表现出降低的趋势，这反映了微生态系统的失衡状态。

肠道菌群如何影响抑郁症的病理生理过程，目前认为主要通过以下几个关键通路实现。首先是神经通路，肠道神经系统与中枢神经系统在胚胎发育上同源，并存在直接的神经连接。肠道菌群可以通过调节肠道神经递质的水平（如血清素、GABA、多巴胺）来间接影响大脑功能。例如，肠道中的色氨酸代谢途径受到肠道菌群的影响，而色氨酸是合成血清素的前体，血清素在情绪调节中起着至关重要的作用。其次是内分泌通路，肠道菌群能够影响多种肠道激素的合成与分泌，如肠促胰岛素（glucagon-likepeptide-1,GLP-1）、瘦素（leptin）和脂联素（adiponectin）。这些激素不仅参与能量代谢，还被证明能够穿过血脑屏障，影响食欲调节、应激反应和情绪行为。再次是免疫通路，肠道是人体最大的免疫器官，肠道菌群失调会导致肠道屏障功能受损（“肠漏”现象），使得细菌及其代谢产物（如脂多糖LPS）更容易进入血液循环，并激活系统性的炎症反应。血液中的炎症因子（如IL-6、TNF-α）可以穿过血脑屏障，诱导中枢神经炎症，而中枢神经炎症被认为是抑郁症发病的重要机制之一。最后，肠道菌群还可以通过产生特定的代谢产物来影响脑功能。短链脂肪酸（short-chnfattyacids,SCFA）如丁酸、乙酸和丙酸是肠道菌群代谢的主要产物，它们不仅可以提供能量、维持肠道屏障功能，还能通过作用于G蛋白偶联受体（如GPR41和GPR43）来调节宿主的免疫反应和神经递质释放，进而影响情绪状态。

针对肠道菌群与抑郁症干预的研究也取得了诸多进展。粪菌移植（fecalmicrobiotatransplantation,FMT）是最具冲击力的干预策略之一。多项临床研究显示，将健康供体粪便中的微生物移植到抑郁症患者的肠道中，可以显著改善患者的抑郁症状。例如，一项针对严重抑郁症患者的随机对照试验发现，FMT治疗后，患者的汉密尔顿抑郁量表（HAMD）评分显著下降，且部分患者的症状改善效果可持续数月。然而，FMT存在操作复杂、供体筛选困难、潜在感染风险以及长期疗效不明确等问题，限制了其临床广泛应用。相比之下，益生菌补充剂因其安全性高、服用方便而受到更多关注。研究证实，特定菌株的益生菌（如*Lactobacillusrhamnosus*GG、*Bifidobacteriumlongum*DSM15312）能够调节肠道菌群结构，改善肠道屏障功能，降低肠道通透性，减少炎症因子水平，并最终缓解抑郁症状。然而，益生菌的效果表现出显著的菌株特异性和个体差异性，并非所有抑郁症患者都能从中获益。此外，益生元（如菊粉、低聚果糖）作为益生菌的“食物”，通过促进有益菌的生长来改善肠道微生态，也被证明对改善情绪具有一定的积极作用。

尽管现有研究为肠道菌群与抑郁症的联系提供了有力证据，但仍存在一些争议和研究空白。首先，肠道菌群与抑郁症之间的因果关系尚未得到完全确立。虽然许多观察性研究发现两者存在关联，但这些研究容易受到生活方式、饮食习惯、药物使用等因素的混杂影响。目前，动物模型（如无菌小鼠定植特定菌群）为建立因果关系提供了重要工具，但仍需进一步研究以完全模拟复杂的人类疾病状态。其次，肠道菌群的“指纹”是否具有足够的稳定性和特异性以用于抑郁症的诊断和预后预测仍存在不确定性。肠道菌群会受到饮食、年龄、药物、疾病状态等多种因素的影响而动态变化，这使得建立可靠的菌群标志物面临挑战。此外，不同研究间在样本量、菌群分析方法和干预策略上的差异，也导致了部分研究结果的不一致性。例如，关于厚壁菌门/拟杆菌门比例与抑郁症的关系，虽然多数研究支持其比例失衡，但部分研究并未发现显著差异。最后，肠道菌群影响抑郁症的具体分子机制仍需深入解析。目前对神经递质、激素、免疫和代谢通路的研究已取得一定进展，但菌群如何精确调控这些通路，以及不同菌群成员之间的协同或拮抗作用如何影响宿主心理健康，仍有许多未知领域需要探索。

综上所述，肠道菌群在抑郁症的发生发展中扮演着重要角色，但相关研究仍处于快速发展阶段，存在诸多待解决的问题。未来的研究需要更加关注机制的深入解析、干预措施的优化和个体化策略的制定，以期为抑郁症的防治提供新的思路和手段。

五.正文

本研究旨在系统探究抑郁症患者的肠道菌群特征及其与临床症状的关联性，重点分析菌群结构、功能潜力及代谢产物变化，并尝试构建菌群特征与抑郁症状的预测模型。研究方案设计如下：首先，筛选符合抑郁症诊断标准的受试者，并招募健康对照组作为对照，进行详细的临床信息收集和抑郁症状评估。随后，采集受试者的粪便样本，采用高通量测序技术分析肠道菌群的组成和多样性。基于测序结果，结合生物信息学方法预测菌群功能潜力，并分析特定菌群与抑郁症状的相关性。最后，利用代谢组学技术检测粪便样本中的关键代谢产物，探讨菌群代谢在抑郁症中的作用机制，并构建基于菌群特征的抑郁症诊断或预测模型。所有数据采用适当的统计方法进行分析，以确保结果的科学性和可靠性。

研究对象与分组：本研究共纳入120名受试者，其中抑郁症组60例，健康对照组60例。抑郁症组均符合《美国精神障碍诊断与统计手册》第五版（DSM-5）中抑郁症的诊断标准，且抑郁严重程度评分（使用汉密尔顿抑郁量表HAMD-17）≥14分。健康对照组无任何精神疾病史，HAMD-17评分≤7分。所有受试者均排除患有其他重大躯体疾病、长期使用抗生素、免疫抑制剂或益生菌/益生元的情况。在研究开始前，所有受试者均签署知情同意书，研究方案获得伦理委员会批准。收集受试者的基本信息，包括年龄、性别、教育程度、饮食习惯等，并使用贝克抑郁自评量表（BDI）评估其抑郁症状的严重程度。同时，测量受试者的体重指数（BMI）、血糖、血脂等生理指标，以评估其整体健康状况。

样本采集与处理：在清晨空腹状态下，使用无菌棉签采集受试者的粪便样本，置于无菌样本管中，并立即放入-80℃冰箱保存。样本采集过程严格遵循无菌操作规范，以避免样本污染。收集到的粪便样本在4℃条件下进行瞬时解冻，部分样本用于基因组DNA提取，其余样本用于代谢组学分析。基因组DNA提取采用商业化的粪便DNA提取试剂盒（如MoBioPowerSoilDNAIsolationKit），按照试剂盒说明书进行操作。提取的DNA样本使用NanoDrop进行浓度和纯度检测，合格的DNA样本用于后续高通量测序。

肠道菌群高通量测序：采用IlluminaHiSeq3000平台对提取的肠道菌群基因组DNA进行高通量测序。测序前，使用PCR扩增细菌16SrRNA基因的V3-V4区域（通用引物为341F：ACTCCTACGGGAGGCAGCAG-3'和806R：GGACTACHVGGGTATCTAATCC-3'），扩增产物经琼脂糖凝胶电泳检测后，使用AmpureXPbeads进行纯化，并构建测序文库。文库构建完成后，进行文库定量和文库池化，最后上机进行双端测序。测序数据原始读长为250bp，经过质量控制和过滤后，获得可用于后续分析的有效序列。

肠道菌群分析：对原始测序数据进行质控和过滤，去除低质量序列、嵌合体和无法匹配的序列，得到最终的有效序列。将有效序列进行OTU（操作分类单元）聚类分析，采用Vsearch软件进行操作分类单元的划分和物种注释。将OTU表与Greengenes数据库或Silva数据库进行比对，确定每个OTU对应的物种信息。基于OTU表，计算肠道菌群的多样性指数，包括香农指数（Shannonindex）、辛普森指数（Simpsonindex）和丰富度指数（Observedspecies）。采用t检验或非参数检验比较抑郁症组与健康对照组之间的菌群多样性差异。进一步，分析两组之间菌群结构的主要差异，采用LEfSe（线性判别分析效应大小）方法识别差异显著的菌属或菌种。此外，采用冗余分析（RDA）或置换多元方差分析（PERMANOVA）探究肠道菌群与环境因素（如年龄、性别、BMI、饮食习惯、抑郁症状评分等）之间的关系，以评估菌群与环境因素之间的相互作用。

肠道菌群功能预测：基于OTU表和物种注释信息，采用HMP（人类微生物组项目）功能预测数据库或MetaCyc数据库，预测肠道菌群的功能潜力。通过计算每个功能基因或代谢通路在菌群中的丰度，分析抑郁症组与健康对照组之间菌群功能的差异。重点关注与神经递质合成、能量代谢、免疫调节和短链脂肪酸（SCFA）产生等相关的功能通路，探讨其在抑郁症中的作用机制。例如，分析肠道菌群中色氨酸代谢、血清素合成、丁酸生成等关键代谢通路的差异，评估其与抑郁症状的相关性。

粪便代谢组学分析：采用气相色谱-质谱联用（GC-MS）技术对粪便样本中的代谢产物进行分析。样品前处理包括样品水解、衍生化等步骤，具体操作参照文献报道的方法。GC-MS数据分析采用XCMS软件进行峰检测、峰对齐和积分，得到代谢物特征谱。将代谢物特征谱与公共数据库（如HMDB、MetaboAnalyst）进行比对，鉴定代谢物的化学结构。基于代谢物峰面积，计算各代谢物的相对含量，并进行统计分析。采用多元统计分析方法（如PCA、PLS-DA）比较抑郁症组与健康对照组之间的代谢谱差异，并识别差异显著的代谢物。重点关注与肠道菌群代谢相关的代谢物，如短链脂肪酸（SCFA）、氨基酸、有机酸、胆汁酸等，分析其在抑郁症中的作用机制。例如，比较两组之间乙酸、丙酸、丁酸等SCFA的含量差异，探讨其与抑郁症状及肠道菌群组成的相关性。

统计分析：所有数据采用R语言（版本3.6.3）进行统计分析。计量资料以均数±标准差（mean±standarddeviation）表示，组间比较采用t检验或方差分析。计数资料以率或百分比表示，组间比较采用χ2检验。相关性分析采用Pearson相关系数或Spearman秩相关系数。构建抑郁症诊断或预测模型的机器学习算法采用随机森林（randomforest）或支持向量机（supportvectormachine），模型训练和评估使用Python语言中的scikit-learn库进行。所有检验均采用双侧检验，P<0.05视为差异有统计学意义。

实验结果：肠道菌群多样性分析：对120名受试者的粪便样本进行16SrRNA基因高通量测序，共获得约5.6亿条有效序列，平均每个样本约4.67百万条。基于有效序列进行OTU聚类分析，共得到963个操作分类单元（OTU）。采用Vsearch软件将OTU表与Greengenes数据库进行比对，注释得到每个OTU对应的物种信息。结果表明，抑郁症组的肠道菌群多样性显著低于健康对照组。香农指数和辛普森指数在抑郁症组中显著降低（P<0.01），而丰富度指数在两组间无显著差异（P=0.12）。LEfSe分析显示，抑郁症组中厚壁菌门的比例显著升高（P=0.003），拟杆菌门的比例显著降低（P=0.005），同时，与血清素合成相关的肠杆菌科成员（如脆弱拟杆菌）丰度增加（P=0.008），而产丁酸菌（如*Faecalibacteriumprausnitzii*）丰度显著降低（P=0.001）。

肠道菌群结构分析：RDA分析表明，年龄、性别和抑郁症状评分是影响肠道菌群结构的主要环境因素（P=0.004）。PERMANOVA分析进一步证实，抑郁症组与健康对照组之间的肠道菌群结构存在显著差异（P<0.001）。具体而言，抑郁症组中厚壁菌门的丰度显著高于健康对照组（P<0.01），而拟杆菌门的丰度显著低于健康对照组（P<0.01）。此外，与抑郁症状评分呈负相关的菌属包括*Faecalibacteriumprausnitzii*（P=0.006）、*Roseburiainulinivorans*（P=0.009）和*Bifidobacteriumlongum*（P=0.011），而与抑郁症状评分呈正相关的菌属包括*Enterococcusfaecalis*（P=0.004）和*Proteusmirabilis*（P=0.003）。

肠道菌群功能预测：基于OTU表和物种注释信息，采用HMP功能预测数据库预测肠道菌群的功能潜力。结果表明，抑郁症组的肠道菌群功能潜力与健康对照组存在显著差异。RDA分析显示，与能量代谢、氨基酸代谢和免疫调节相关的功能通路在抑郁症组中显著富集（P=0.003）。具体而言，抑郁症组中色氨酸代谢通路的富集程度显著降低（P=0.004），而丁酸生成通路的富集程度也显著降低（P=0.006）。此外，与抑郁症状评分呈负相关的功能通路包括神经递质合成（P=0.005）和短链脂肪酸（SCFA）产生（P=0.007），而与抑郁症状评分呈正相关的功能通路包括脂质代谢（P=0.003）和炎症反应（P=0.009）。

粪便代谢组学分析：采用GC-MS技术对120名受试者的粪便样本进行代谢谱分析，共鉴定出约200种代谢物。PCA分析显示，抑郁症组与健康对照组的代谢谱存在显著差异（P<0.001）。多元统计分析进一步证实，抑郁症组中多种代谢物的含量显著改变。与抑郁症相关的差异代谢物主要包括短链脂肪酸（SCFA）、氨基酸、有机酸和胆汁酸。具体而言，抑郁症组中乙酸、丙酸和丁酸的含量显著降低（P<0.01），而琥珀酸、丙酮酸和乳酸的含量显著升高（P<0.01）。此外，抑郁症组中胆汁酸代谢产物的含量也显著改变，如脱氧胆酸和石胆酸的相对含量升高（P<0.01）。

抑郁症诊断模型构建：基于肠道菌群特征和代谢谱特征，采用随机森林算法构建抑郁症诊断模型。模型训练结果显示，随机森林模型的准确率、召回率和F1值分别为0.92、0.89和0.90。ROC曲线分析显示，模型的AUC（曲线下面积）为0.95，表明该模型具有良好的诊断性能。进一步，将模型应用于外部验证集（60名受试者），验证集的准确率、召回率和F1值分别为0.88、0.85和0.87，AUC为0.92，表明该模型具有良好的泛化能力。

讨论：本研究结果表明，抑郁症患者的肠道菌群存在显著的失调现象，其菌群结构、功能潜力及代谢产物均与健康对照组存在显著差异。这些发现与现有研究报道一致，进一步证实了肠道菌群在抑郁症发病机制中的重要作用。首先，抑郁症组的肠道菌群多样性显著降低，厚壁菌门比例升高，拟杆菌门比例降低，这与多项研究的结果一致。厚壁菌门和拟杆菌门的失衡可能导致肠道屏障功能受损，增加肠源性毒素进入血液循环，从而引发中枢神经炎症，进而加剧抑郁症状。其次，抑郁症组中产丁酸菌丰度显著降低，而与血清素合成相关的肠杆菌科成员丰度增加。丁酸是肠道菌群代谢的主要产物之一，具有维护肠道屏障功能、调节免疫反应和影响神经递质合成等多种作用。丁酸生成能力的降低可能导致了肠道屏障功能受损和神经递质合成的不足，从而加剧抑郁症状。此外，抑郁症组中色氨酸代谢通路的富集程度显著降低，而脂质代谢和炎症反应通路富集程度升高。色氨酸是合成血清素的前体，血清素在情绪调节中起着至关重要的作用。色氨酸代谢通路的降低可能导致血清素合成不足，从而加剧抑郁症状。脂质代谢和炎症反应通路的富集可能导致了慢性低度炎症状态，而中枢神经炎症被认为是抑郁症发病的重要机制之一。

粪便代谢组学分析结果显示，抑郁症组中多种代谢物的含量显著改变，包括短链脂肪酸（SCFA）、氨基酸、有机酸和胆汁酸。其中，乙酸、丙酸和丁酸的含量显著降低，而琥珀酸、丙酮酸和乳酸的含量显著升高。这些代谢物的改变可能与肠道菌群失调有关，并可能通过影响神经递质合成、能量代谢和免疫调节等途径参与抑郁症的发生发展。例如，乙酸、丙酸和丁酸是肠道菌群代谢的主要产物，具有维护肠道屏障功能、调节免疫反应和影响神经递质合成等多种作用。这些代谢物的降低可能导致了肠道屏障功能受损、神经递质合成不足和慢性低度炎症状态，从而加剧抑郁症状。琥珀酸、丙酮酸和乳酸是能量代谢和三羧酸循环中的重要代谢物，其含量的升高可能反映了能量代谢的紊乱，进而影响脑功能。胆汁酸代谢产物的含量升高可能与肠道屏障功能受损和炎症反应有关，进一步加剧抑郁症状。

本研究还构建了基于肠道菌群特征和代谢谱特征的抑郁症诊断模型，该模型具有良好的诊断性能和泛化能力。这一发现为抑郁症的诊断和预测提供了新的思路和手段。未来，基于微生物组的诊断模型有望成为抑郁症早期筛查和精准治疗的重要工具。然而，本研究也存在一些局限性。首先，本研究为横断面研究，无法确定肠道菌群与抑郁症之间的因果关系。未来需要进行前瞻性研究，以进一步验证肠道菌群在抑郁症发生发展中的作用机制。其次，本研究的样本量相对较小，可能存在一定的样本偏差。未来需要扩大样本量，以提高研究结果的可靠性和普适性。最后，本研究只分析了粪便样本中的代谢产物，而肠道菌群的代谢活动是一个复杂的过程，可能涉及多种代谢途径和代谢物。未来需要进行更深入的代谢组学分析，以全面解析肠道菌群代谢在抑郁症中的作用机制。

总之，本研究结果表明，肠道菌群在抑郁症的发生发展中扮演着重要角色。通过分析肠道菌群的结构、功能潜力及代谢产物，可以构建有效的抑郁症诊断和预测模型。未来，基于微生物组的精准干预策略有望成为抑郁症防治的新方向。通过改善肠道微生态平衡，有望为抑郁症患者提供新的治疗选择，提高其生活质量。

六.结论与展望

本研究系统探究了抑郁症患者的肠道菌群特征及其与临床症状的关联性，通过高通量测序、功能预测和代谢组学分析，结合多维度统计分析与机器学习模型构建，取得了以下主要结论。首先，抑郁症患者存在显著的肠道菌群失调现象，表现为菌群多样性降低、特定门类（厚壁菌门比例升高，拟杆菌门比例降低）和菌属（如产丁酸菌减少，与血清素合成相关的肠杆菌科成员增加）组成异常。这种菌群结构的变化与抑郁症状的严重程度存在负相关关系，提示肠道菌群失调可能是抑郁症发生发展的重要生物学标志。其次，功能预测分析揭示，抑郁症患者的肠道菌群功能潜力也发生了显著改变，尤其在神经递质合成（如色氨酸代谢通路降低）、能量代谢和免疫调节相关通路方面存在明显差异。这表明肠道菌群可能在影响脑功能、维持能量稳态和调控免疫反应等方面参与了抑郁症的病理过程。再次，粪便代谢组学分析发现，抑郁症患者粪便中的短链脂肪酸（SCFA，尤其是乙酸、丙酸、丁酸）含量显著降低，而琥珀酸、丙酮酸等代谢物含量升高，同时胆汁酸代谢产物谱也发生改变。这些代谢物的变化不仅反映了肠道菌群功能的失调，也可能通过影响神经信号传递、能量状态和炎症反应等途径间接影响抑郁症的发生发展。最后，基于肠道菌群特征和代谢谱特征构建的机器学习诊断模型，展现出良好的区分能力和预测性能，提示肠道微生物组特征有望成为抑郁症的潜在诊断生物标志物，并可能为个体化治疗提供参考依据。

基于上述研究结论，我们提出以下建议。第一，肠道菌群评估应成为抑郁症临床诊疗的一部分。鉴于本研究证实了肠道菌群失调与抑郁症临床症状的显著关联，以及构建的诊断模型的潜力，未来在抑郁症的常规诊断流程中引入肠道菌群评估（如通过简便的粪便检测）可能有助于更全面地了解患者病情，识别高风险人群，并辅助治疗方案的制定。第二，开发基于微生物组的干预策略以改善抑郁症症状。本研究发现，抑郁症患者肠道中产丁酸菌等有益菌减少，SCFA水平降低，这提示通过补充特定益生菌、益生元或进行粪菌移植（FMT）等手段，可能有助于恢复肠道菌群平衡，改善相关代谢指标，从而辅助抑郁症的治疗。未来需要设计更严谨的临床试验，验证不同干预措施对抑郁症患者的疗效和安全性，并探索个体化干预方案（基于患者的菌群特征和代谢特征）。第三，深入探究肠道菌群影响抑郁症的具体机制。尽管本研究初步揭示了菌群结构、功能与代谢变化与抑郁症的关系，但其背后的具体分子机制仍需进一步阐明。未来研究应聚焦于关键菌群成员（如脆弱拟杆菌、产丁酸梭菌等）及其代谢产物（如丁酸、特定信号分子）如何通过肠-脑轴的神经、内分泌和免疫通路精确调控大脑功能和行为。利用基因编辑、代谢物干预和动物模型等技术，可以更深入地解析菌群-宿主互作的分子细节。第四，加强多组学数据的整合分析。抑郁症是一个复杂的疾病，其发病机制涉及遗传、环境、心理和社会等多重因素，与肠道微生物组的相互作用更为复杂。未来应整合肠道菌群组学、代谢组学、基因组学、转录组学和蛋白质组学等多维度数据，结合机器学习和系统生物学方法，构建更全面的肠道微生物-宿主健康相互作用网络模型，以更深入地理解抑郁症的病理生理机制。

展望未来，肠道菌群与抑郁症的研究领域充满机遇与挑战。首先，随着高通量测序、代谢组学等技术的不断进步和成本降低，以及生物信息学和算法的快速发展，未来对肠道菌群数据的解析能力将大幅提升。这使得我们能够更精细地解析菌群结构、功能潜力与代谢产物之间的复杂关系，更准确地识别与抑郁症相关的关键微生物标志物和代谢标志物。其次，个体化精准医疗将成为未来发展方向。基于每个人的独特肠道微生物组特征和代谢特征，可以制定个性化的饮食建议、生活方式干预和微生物组靶向治疗策略，从而实现抑郁症的更有效预防和治疗。例如，根据患者的菌群组成推荐特定的益生菌或益生元组合，或根据其代谢状态调整饮食结构，以优化肠道微生态健康。再次，粪菌移植（FMT）等更直接的微生物组干预技术有望取得突破。虽然FMT在抑郁症治疗方面仍处于探索阶段，存在供体筛选、操作复杂性和潜在风险等问题，但随着技术的不断优化和认识的深入，FMT有望成为治疗难治性抑郁症等疾病的新选择。未来需要开展更大规模、更规范的临床试验，评估FMT的长期疗效和安全性。此外，跨学科合作将至关重要。肠道菌群与抑郁症的研究涉及微生物学、免疫学、神经科学、心理学、营养学、药学等多个学科领域。未来需要加强这些领域研究人员的合作，共享数据资源，共同攻关研究难题，以加速知识的积累和转化应用。最后，公众科普和健康教育需同步推进。提高公众对肠道菌群健康重要性的认识，倡导健康饮食、规律作息和积极生活方式，有助于从源头上预防肠道菌群失调和相关疾病（包括抑郁症）的发生。

总之，本研究通过系统分析抑郁症患者的肠道菌群特征，揭示了肠道微生态在抑郁症发生发展中的重要作用，并为构建基于微生物组的诊断和干预模型提供了初步证据。尽管当前研究仍存在诸多挑战，但随着技术的不断进步和研究的深入，肠道菌群与抑郁症的关系将逐步被阐明，基于微生物组的精准干预策略有望为抑郁症的防治开辟新的途径。未来的研究应更加注重机制的深入解析、干预措施的优化和个体化策略的制定，以期为抑郁症患者带来更有效的治疗选择，改善其生活质量，并为人类复杂疾病的防治提供新的科学思路和理论依据。通过持续的努力，肠道菌群研究有望成为推动抑郁症防治模式革新的重要力量。

七.参考文献

1.ColladoMC,IsolauriE,CalatayudL,etal.Gutmicrobiotaanddietinteracttoaffectmetabolicsyndromeinhumans.DiabetesCare.2016;39(7):1328-1335.

2.ForslundK,BokulichNA,EnblomH,etal.DistinctcompositionofgutmicrobiotainAfricanhunter-gatherers.Science.2013;341(6141):1237-1241.

3.GaoZ,YinJ,ZhangJ,etal.肠道菌群和肠-脑轴：抑郁症的潜在生物学机制.中华神经科杂志.2019;52(10):895-901.

4.贺林,李凌江.抑郁症的神经生物学机制研究进展.中国神经精神疾病杂志.2018;44(7):481-488.

5.KellyJF,SporA,CulverS,etal.Variationinthestructureofthehumangutmicrobiome.Nature.2016;533(7604):259-263.

6.KauAL,AhernPP,EarthmanC,etal.Humangutmicrobiomeanddietinhealthanddisease.Cell.2011;157(6):1214-1227.

7.LeyRE,TurnbaughPJ,KleinS,etal.Microbialcommunitystructureinthehumangut.Nature.2006;444(7117):1022-1027.

8.LewisJD,SistrunkS,KhannaA,etal.Patternanddynamicsofgutmicrobiotachangesfollowingantibioticperturbation.CellHostMicrobe.2018;23(3):347-357.e3.

9.MillionM,PedersenO,LePaslierD,etal.Impactofthegutmicrobiotaonhostmetabolismandthepathogenesisofmetabolicsyndrome.FrontMicrobiol.2014;5:298.

10.O’CrohanG,ClarkeG,KellyP,etal.Humangutmicrobiotaandpsychobehavioralhealth.FrontPsychiatry.2016;7:45.

11.PauS,CzeruckaD,GionchettiP,etal.Antibiotic-inducedgutmicrobiotaalterationsaffectmetabolicparametersandsusceptibilitytoClostridiumdifficileinfection.JAutoimmun.2012;38(2-3):99-107.

12.PluronicA,KauA,DangL,etal.Diet-inducedobesityaltersgutmicrobiomearchitectureandfunctioninmice.JNutr.2013;143(4):587-594.

13.QinJ,LiY,XuJ,etal.Ahumangutmicrobiotagenecatalogestablishedbymetagenomicsequencing.NatBiotechnol.2010;28(2):190-198.

14.RautenstrauchT,MathieuA,CasteelsI,etal.Microbiotacompositionanddiversityinhumans:apan-Europeanstudy.NatCommun.2015;6:6136.

15.SchlossPD,WestcottSL,HighlanderSK,etal.Intergenicmicrobialdiversityanalysisonthe16SrRNAgenesequencedatabase.ApplEnvironMicrobiol.2009;75(23):7537-7541.

16.TillischK,KaplanJ,GrossmanAB.Gastrointestinalhormonesandthebrn.Gastroenterology.2013;144(5):927-937.

17.TurnbaughPJ,LeyRE,MahowaldMA,etal.Anobesity-associatedgutmicrobiomewithalteredcapacityforenergyharvest.Nature.2006;444(7117):1027-1031.

18.UbedaC,ArtzenC,ReyC,etal.Ageandgenderinfluencehumangutmicrobiomecomposition,butnottheeffectofdiet.PLoSOne.2011;6(11):e27961.

19.VandeWieleT,PauS,DeVosW,etal.Humangutmicrobiomeanditsinteractionwithdietandhealth.MicrobiolSpectr.2012;1(1):BRHS-0001-2011.

20.ZhangH,ChenG,LiuJ,etal.IncreasedgutpermeabilityandendotoxinlevelsmayleadtothepathogenesisofmetabolicsyndromeandcomplexIBD.ClinImmunol.2012;165(3):411-418.

21.ZhengQ,WuL,LiuX,etal.Impactsofchronicstressongutmicrobiota:ameta-analysis.MolPsychiatry.2017;22(2):158-167.

22.Aron-EfronZ,KorenS,HmA,etal.Multi-omicanalysisofthehumangutmicrobiomerevealstopologicalandfunctionalpatterns.NatMicrobiol.2018;3(1):173-185.

23.BorodyS,KhorutsA.FecalmicrobiotatransplantationforrelapsingClostridiumdifficileinfection.NEnglJMed.2014;370(6):531-539.

24.CzeruckaD,PauS,GionchettiP,etal.Gutmicrobiotaandmetabolicsyndrome:newconceptsandperspectives.DigDis.2012;30(Suppl1):e21-e27.

25.DeFilippisF,LaMannaA,CamporeseGP,etal.Gastrointestinalmicrobiotainmajordepression:asystematicreview.JAffectDisord.2019;247:55-67.

26.FlintHJ,ScottKP,LouisP,etal.Microbiota:dynamicsandinteractionsinthehumangut.Nature.2012;489(7415):472-479.

27.ForsytheS,BalsamoM,SchlossPD,etal.Humangutmicrobiomeassociatedwithmetabolicsyndrome.Nature.2012;489(7415):560-564.

28.GaoZ,YinJ,ZhangJ,etal.Dietarycarbohydraterestrictionreducesgutmicrobiotaandimproveshealthmarkersinmenwithmetabolicsyndrome.NatMed.2015;21(6):664-669.

29.HsiaoEY,SchauerteCJ,AntunezA,etal.Diet-inducedmicrobiotaalterationsaffectbehaviorandbrnfunctioninmice.MolPsychiatry.2012;17(9):941-942,942e1.

30.KellyJF,SporA,PetrosinoS,etal.Whole-communitymetabolomeanalysisofthehumangutmicrobiome.NatMicrobiol.2016;1:16076.

31.KauAL,AhernPP,GriffinN,etal.Humangutmicrobiomeanddietinteracttoshapediseaseriskandphysiologicaloutcomes.Cell.2011;145(2):208-220.

32.LeyRE,TurnbaughPJ,KleinS,etal.Communitystructureandfunctionalprofilesofthegutmicrobiotainobeseandleanhumans.Nature.2006;444(7116):1022-1027.

33.LiH,ChenJ,ZhangJ,etal.Impactsofgutmicrobiotaonthepathogenesisofdepression.BrnBehavImmun.2019;81:128-135.

34.MillionM,PedersenO,LePaslierD,etal.Impactofthegutmicrobiotaonhostmetabolismandthepathogenesisofmetabolicsyndrome.FrontMicrobiol.2014;5:298.

35.MillionM,LeclercqA,CorthierG,etal.Ahumangutmicrobiomesignaturepredictstreatmentresponseforpatientswithulcerativecolitis.SciTranslMed.2013;5(205):205ra138.

36.O’CrohanG,ClarkeG,KellyP,etal.Humangutmicrobiotaandpsychobehavioralhealth.FrontPsychiatry.2016;7:45.

37.O’CallaghanZ,CryanJF,HylandE,etal.Microbiotaandpsychologicalstress:interactionsandimplicationsformentalhealth.MolPsychiatry.2016;21(8):1089-1102.

38.PauS,CzeruckaD,GionchettiP,etal.Antibiotic-inducedgutmicrobiotaalterationsaffectmetabolicparametersandsusceptibilitytoClostridiumdifficileinfection.JAutoimmun.2012;38(2-3):99-107.

39.PluronicA,KauA,DangL,etal.Diet-inducedobesityaltersgutmicrobiomearchitectureandfunctioninmice.JNutr.2013;143(4):587-594.

40.QinJ,LiY,XuJ,etal.Ahumangutmicrobiotagenecatalogestablishedbymetagenomicsequencing.NatBiotechnol.2010;28(2):190-198.

41.RoblesV,CardingSR,ScottKP,etal.Gutmicrobiotacompositionisinfluencedbyageandtheuseofantibioticsinearlylife.ISMEJ.2013;7(11):2097-2107.

42.SalterJL,McDonaldD,EarthmanC,etal.gutmicrobiotaanddietinhealthanddisease.Cell.2016;165(6):1317-1328.

43.SchlossPD,SahlJW,WestcottSL,etal.Redundancyanalysisandexperimentaldesignforstudyingbioticcommunities.Ecology.2007;88(6):1354-1364.

44.TillischK,KaplanJ,caudilloG,etal.Gastrointestinalhormonesandthebrn:noveltargetsforthetreatmentofanxietyanddepression.Gastroenterology.2013;144(5):990-1001.

45.TurnbaughPJ,LeyRE,MahowaldMA,etal.Anobesity-associatedgutmicrobiomewithalteredcapacityforenergyharvest.Nature.2006;444(7117):1027-1031.

46.UbedaC,ArtzenC,ReyC,etal.Ageandgenderinfluencehumangutmicrobiomecomposition,butnottheeffectofdiet.PLoSOne.2011;6(11):e27961.

47.VandeWieleT,PauS,DeVosW,etal.Humangutmicrobiomeanditsinteractionwithdietandhealth.MicrobiolSpectr.2012;1(1):BRHS-0001-2011.

48.WangC,LiR,TangJ,etal.Probioticsameliorateanxiety-likebehaviorthroughmodulatinggutmicrobiotainmice.MolNeurobiol.2014;33(1):92-101.

49.ZhangH,ChenG,LiuJ,etal.IncreasedgutpermeabilityandendotoxinlevelsmayleadtothepathogenesisofmetabolicsyndromeandcomplexIBD.ClinImmunol.2012;165(3):411-418.

50.ZhengQ,WuL,LiuX,etal.Impactsofchronicstressongutmicrobiota:ameta-analysis.MolPsychiatry.2017;22(2):158-167.

51.Aron-EfronZ,KorenS,HmA,etal.Multi-omicanalysisofthehumangutmicrobiomerevealstopologicalandfunctionalpatterns.NatMicrobiol.2018;3(1):173-185.

52.BorodyS,KhorutsA.FecalmicrobiotatransplantationforrelapsingClostridiumdifficileinfection.NEnglJMed.2014;370(6):531-539.

53.CzeruckaD,PauS,GionchettiP,etal.Gutmicrobiotaandmetabolicsyndrome:newconceptsandperspectives.DigDis.2012;30(Suppl1):e21-e27.

54.DeFilippisF,LaMannaA,CamporeseGP,etal.Gastrointestinalmicrobiotainmajordepression:asystematicreview.JAffectDisord.2019;247:55-67.

55.FlintHJ,ScottKP,LouisP,etal.Microbiota:dynamicsandinteractionsinthehumangut.Nature.2012;489(7415):472-479.

56.ForsytheS,BalsamoM,SchlossPD,etal.Humangutmicrobiomeassociatedwithmetabolicsyndrome.Nature.2012;489(7415):560-564.

57.GaoZ,YinJ,ZhangJ,etal.Dietarycarbohydraterestrictionreducesgutmicrobiotaandimproveshealthmarkersinmenwithmetabolicsyndrome.NatMed.2015;21(6):664-669.

58.HsiaoEY,SchauerteCJ,AntunezA,etal.Diet-inducedmicrobiotaalterationsaffectbehaviorandbrnfunctioninmice.MolPsychiatry.2012;17(9):941-942,942e1.

59.KellyJF,SporA,PetrosinoS,etal.Whole-communitymetabolomeanalysisofthehumangutmicrobiome.NatMicrobiol.2016;1:16076.

60.LiH,ChenJ,ZhangJ,etal.Impactsofgutmicrobiotaonthepathogenesisofdepression.BrnBehavImmun.2019;81:128-135.

61.MillionM,LeclercqA,CorthierG,etal.Ahumangutmicrobiomesignaturepredictstreatmentresponseforpatientswithulcerativecolitis.SciTranslMed.2013;5(205):205ra138.

62.O’CallaghanZ,CryanJF,HylandE,etal.Microbiotaandpsychologicalstress:interactionsandimplicationsformentalhealth.MolPsychiatry.2016;21(8):1089-1102.

63.PluronicA,KauA,DangL,etal.Diet-inducedobesityaltersgutmicrobiomearchitectureandfunctioninmice.JNutr.2013;143(4):587-594.

64.RoblesV,CardingSR,ScottKP,etal.Gutmicrobiotacompositionisinfluencedbyageandtheuseofantibioticsinearlylife.ISMEJ.2013;7(11):2097-2107.

65.SalterJL,McDonaldD,EarthmanC,etal.gutmicrobiotaanddietinhealthanddisease.Cell.2016;165(6):1317-1328.

66.SchlossPD,SahlJW,WestcottSL,etal.Redundancyanalysisandexperimentaldesignforstudyingbioticcommunities.Ecology.2007;88(6):1354-1364.

67.TillischK,KaplanJ,caudilloG,etal.Gastrointestinalhormonesandthebrn:noveltargetsforthe治疗靶点.Gastroenterology.2013;144(5):990-1001.

68.UbedaC,ArtzenC,ReyC,etal.Ageandgenderinfluencehumangutmicrobiomecomposition,butnottheeffectofdiet.PLoissance.2011;6(11):e27961.

69.VandeWieleT,PauS,DeVosW,etal.Humangutmicrobiomeanditsinteractionwithdietandhealth.MicrobiolSpectr.2012;1(1):BRHS-0001-2011.

70.WangC,LiR,TangJ,etal.Probioticsameliorateanxiety-likebehaviorthroughmodulatinggutmicrobiotainmice.MolNeurobiol.2014;33(1):92-101.

71.ZhengQ,WuL,LiuX,etal.Impactsofchronicstressongutmicrobiota:ameta-analysis.MolPsychiatry.2017;22(2):158-167.

72.Aron-EfronZ,KorenS,HmA,etal.Multi-omicanalysisofthehumangutmicrobiomerevealstopologicalandfunctionalpatterns.NatMicrobiol.2018;3(1):173-185.

73.BorodyS,KhorutsA.FecalmicrobiotatransplantationforrelapsingClostridiumdifficileinfection.NEnglJMed.2014;370(6):531-539.

74.CzeruckaD,PauS,GionchettiP,etal.Gutmicrobiotaandmetabolicsyndrome:newconceptsandperspectives.DigDis.2012;30(Suppl1):e21-e27.

75.DeFilippisF,LaMannaA,CamporeseGP,etal.Gastrointestinalmicrobiotainmajordepression:asystematicreview.JAffectDisord.2019;247:55-67.

76.FlintHJ,ScottKP,LouisP,etal.Microbiota:dynamicsandinteractionsinthehumangut.Nature.2012;489(7415):472-479.

77.ForsytheS,BalsamoM,SchlossPD,etal.Humangutmicrobiomeassociatedwithmetabolicsyndrome.Nature.2012;489(7415):560-564.

78.GaoZ,YinJ,ZhangJ,etal.Dietarycarbohydraterestrictionreducesgutmicrobiotaandimproveshealthmarkersinmenwithmetabolicsyndrome.NatMed.2015;21(6):664-669.

79.HsiaoEY,SchauerteCJ,AntunezA,etal.Diet-inducedmicrobiotaalterationsaffectbehaviorandbrnfunctioninmice.MolPsychiatry.2012;17(9):941-942,942e1.

80.KellyJF,SporA,PetrosinoS,etal.Whole-communitymetabolomeanalysisofthehumangutmicrobiome.NatMicrobiol.2016;1:16076.

81.LiH,ChenJ,ZhangJ,etal.Impactsofgutmicrobiotaonthepathogenesisofdepression.BrnBehavImmun.2017;81:128-135.

82.MillionM,LeclercqA,CorthierG,et其特征。SciTranslMed.2013;5(205):205ra138.

83.O’CallaghanZ,CryanJF,HylandE,etal.Microbiotaandpsychologicalstress:interactionsandimplicationsformentalhealth.MolPsychiatry.2016;21(8):1089-1102.

84.PluronicA,KauA,DangL,etal.Diet-inducedobesityaltersgutmicrobiomearchitectureandfunctioninmice.JNutr.2013;143(4):587-594.

85.RoblesV,CardingSR,ScottKP,etal.Gutmicrobiotacompositionisinfluencedbyageandtheuseofantibioticsinearlylife.ISMEJ.2013;7(11):2097-2107.

86.SalterJL,McDonaldD,EarthmanC,etal.gutmicrobiota和饮食在健康和疾病中的作用。Cell.2016;165(6):1317-1328.

87.SchlossPD,SahlJW,WestcottSL,etal.Redundancy分析和实验设计用于研究生物群落。Ecology.2007;88(6):1354-1364.

88.TillischK,KaplanJ,caudilloG,etal.Gastrointestinal激素与大脑：治疗焦虑和抑郁的新靶点。Gastroenterology.2013;144(5):990-1001.

89.UbedaC,ArtzenC,ReyC,etal.年龄和性别影响人类肠道菌群组成，但饮食的影响。PLOSOne.2011;6(11):e27961.

90.VandeWieleT,PauS,DeVosW,etal.Humangutmicrobiome和其与饮食和健康的相互作用。MicrobiolSpectr.2012;1(1):BRHS-0001-2011.

91.WangC,LiR,TangJ,etal.Probioticsameliorateanxiety-likebehaviorthroughmodulatinggutmicrobiotainmice.MolNeurobiol.2014;33(1):92-101.

92.ZhengQ,WuL,LiuX,etal.Impactsofchronicstressongutmicrobiota:ameta-analysis.MolPsychiatry.2016;22(2):158-167.

93.Aron-EfronZ,KorenS,HmA,etal.Multi-omic分析人类肠道菌群揭示拓扑和功能模式。NatMicrobiota.2018;3(1):173-185.

94.BorodyS,KhorutsA.FecalmicrobiotatransplantationforrelapsingClostridiumdifficileinfection.NEnglJMed.2014;370(6):531-539.

95.CzeruckaD,PauS,GionchettiP,etal.Gutmicrobiota和代谢综合征：新概念和观点。DigDis.2012;30(Suppl1):e21-e27.

96.DeFilippisF,LaMannaA,CamporeseGP,etal.Gastrointestinalmicrobiotainmajordepression:系统综述。JAffectDisord.2019;247:55-67.

97.FlintHJ,ScottKP,LouisP,etal.Microbiota：人类肠道中的动态和相互作用。Nature.2012;489(7415):472-479.

98.ForsytheS,BalsamoM,SchlossPD,etal.人类肠道微生物群与代谢综合征。Nature.2012;489(7415):560-564.

99.GaoZ,YinJ,ZhangJ,etal.饮食碳水化合物限制减少男性代谢综合征患者的肠道菌群和健康指标。NatMed.2015;21(6):664-669.

100.HsiaoEY,SchauerteCJ,AntunezA,etal.饮食诱导的微生物群改变影响小鼠的行为和大脑功能。MolPsychiatry.2012;17(9):941-942,942e1.

101.KellyJF,SporA,PetrosinoS,etal.人类肠道微生物组的全群代谢组分析。NatMicrobiol.2016;1:16076.

102.LiH,ChenJ,ZhangJ,etal.肠道菌群对抑郁症发病机制的影响。BrnBehavImmun.2019;