一作解读丨中南大学湘雅三医院:III型前列腺炎也与细菌感染有关吗?(国人佳作)前列腺炎细菌感染解读患者分析

传统CP分型中II型和III型应该只是患者EPS中致病菌的丰度不同,均与细菌感染有关。病原微生物的次生代谢产物可能是导致CP患者尤其是III型前列腺炎患者临床药物治疗效果欠佳,病程迁延不愈的原因之一。

编译:微科盟溧阳,编辑:微科盟居居、江舜尧。

导读

通过检测慢性前列腺炎(Chronicprostatitis,CP)患者(含II型和III型)和健康人群前列腺按摩液(Expressedprostaticsecretion,EPS)中微生物的组成和功能,探究III型前列腺炎是否与细菌感染有关。根据纳入及排除标准,将57名受试者纳入研究,按患病情况将受试者分为健康组、II型前列腺炎组和III型前列腺炎组。运用16SrRNA测序技术检测并分析各组EPS中的微生物组成,运用宏基因测序技术进一步探究III型前列腺炎组中差异菌的功能。采用生物信息学软件进行数据分析,以P<0.05具有统计学意义。结果表明,CP患者和健康人群的EPS中均存在大量的微生物。但是,与健康对照组相比,CP患者(包括II型和III型)EPS中Pseudomonas(假单胞菌)、Haemophilus(嗜血杆菌)、Sneathia(纤毛菌属)、Allobaculum(粪异杆菌)和Enterococcus(肠球菌)的相对丰度具有显著差异,只是II型CP患者差异菌的相对丰度远高于III型,且针对III型前列腺炎组的宏基因测序结果显示差异菌具备一定的生物学功能。综上所述,III型前列腺炎患者的EPS中含有与II型前列腺炎患者相同类型且具备生物学功能的差异菌,但相对丰度低,未达到体外细菌培养的最低阈值。III型前列腺炎可能也是细菌感染所致。

论文ID

原名:IstypeIIIprostatitisalsoassociatedwithbacterialinfection

译名:III型前列腺炎也与细菌感染有关吗

期刊:FrontiersinCellularandInfectionMicrobiology

IF:5.7

第一作者:宋伟杰

通讯作者:何乐业

通讯作者单位:中南大学湘雅三医院

DOI号:10.3389/fcimb.2023.1189081

实验设计

结果

1.研究人群特征

根据纳入、排除和NIH分类标准,CP患者中15例被纳入II型前列腺炎组,29例被纳入III型前列腺炎组,健康者13例被纳入对照组。所有受试者的基本特征无显著差异(表1),组间匹配相似。然后在男性泌尿科医生的指导下,收集受试者填写的NIH-CPSI、GAD-7和PHQ-9量表。通过对量表结果的分析,发现CP患者的疼痛症状、下尿路症状和生活质量明显差于健康人群。同时,与健康人群相比,任何类型CP患者都伴有一定程度的精神和心理障碍。

表1不同类型前列腺炎患者和健康对照的特征。

2.16SrRNA基因测序分析微生物组成2.1OTU丰度分析

57个样本的数据共获得4408023个可读片段。对所有有效序列进行聚类/去噪后,得到19599个操作分类单元(OTU)。根据样本中特有或共有的OTU,我们绘制了维恩图,直观地显示了各组样本在OTU水平上的成分相似性和重叠(图1C)。同时,使用R语言mixOmics包对丰度大于10的所有OTU进行分析(图1B)。从维恩图和PLS-DA分析坐标图中不难看出,不同类型CP患者和健康对照的EPS中均存在较多的微生物,它们在数量和结构上都有自己的特点,在组间也有一些差异。

图1各组在属水平上的相对分布(相对丰度前20位)。

图中显示了属水平上最具优势的20个属,其余丰度相对较低的属分类为图中所示的Other;(B)PLS-DA坐标图。每个点代表一个样本,颜色相同的点属于同一组,同一组的点用椭圆标记;(C)基于OTU的维恩图,显示不同组之间共有或特有的OUT数。(D)Alpha多样性指数稀释曲线。

2.2分类注释分析

将代表性OTU序列与Greengenes数据库进行比对,得到物种注释信息。本研究共注释了36门100纲165目237科432属274种。图1A为属水平上不同组中相对丰度前20位的菌属相对分布情况。

2.3热图分析

为了研究样本和分组之间的相似性或差异性,从分类信息和样本之间的差异性两个方面进行水平聚类,寻找物种或样本的聚集规律。在门、纲、目、科、属和种水平上对所有样本进行热图聚类分析(图2A)。根据16SrRNA基因测序结果,属水平前5位细菌属依次为链球菌属(Streptococcus)、乳杆菌属(Lactobacillus)、弧菌属(Vibrio)、Campylobacter和Faecalibacterium。

图2属水平的热图。

纵列是样本名称信息。横行是属水平分类的注释名称。图上方的聚类树是所有样本物种丰度分布的相似聚类。左边的聚类树是样本物种丰度分布的相似聚类。中间为log10(绝对丰度)的热图;(B)LEfSe分析的进化分支图(LDA>2)。从内到外,进化分支图对应着科、属的不同分类水平,分类水平之间的联系代表着归属关系。每个圆节点代表一个物种。黄色节点表示组间无显著差异,非黄色表示该物种是对应颜色组的特征微生物(在该组丰度明显更高)。

2.4基于样本的稀疏分析

图3(A)Shannon指数箱线图;(B)Simpson指数箱线图;(C)基于Bray-Curtis距离的PCoA分析三维图;(D)基于非加权Unifrac距离的PCoA分析三维图;(E)基于加权Unifrac距离的PCoA分析三维图。

表2Beta多样性分析结果。

2.5组间差异显著性分析

图4(A)属水平火山图的DESeq2分析(分子II型前列腺炎组,分母III型前列腺炎组);(B)属水平火山图的DESeq2分析(分子对照组,分母II型前列腺炎组);(C)属水平火山图的DESeq2分析(分子对照组,分母III型前列腺炎组)。

3.宏基因组分析显示不同的功能谱

3.1热图分析

图5(A)各样本中KEGG代谢通路的聚类热图(相对丰度前20的通路);(B)每个样本KEGGORTHOLOGY(KO)的聚类热图(前20个基因的相对丰度);(C)KEGG代谢途径LEfSe分析的LDA直方图(LDA>4);(D)KO基因LEfSe分析的LDA直方图(LDA>4)。

3.2功能相对丰度差异分析

采用非参数检验和线性判别分析相结合的LEfSe方法分析各组的生物标志物。在通路水平上,鉴定出两条KEGG通路,这两条通路在III型前列腺炎组中有显著差异(LDA>2,P<0.05;图6B)。其中,各种次生代谢物生物合成下Aurachin生物合成途径(map00999)的差异最为显著,该途径还聚集了重要的KO:K02078(LDA>4,P<0.05;图5C,D)。根据KOgroups之间的LEfSe差异,我们进一步对通路图进行了着色,标记各组检测到的基因和基因生物标志物,发现acpP基因在III型前列腺炎样本中显著表达(图6A)。

图6(A)生物标志物基因在不同分组的差异途径。灰色矩形表示在样本中检测到该基因,彩色矩形为颜色对应分组的特征基因;(B)KEGG代谢途径的LDA直方图(LDA>2)。

讨论

结论

CP患者和健康人群的EPS中均存在大量的病原微生物。Pseudomonas(假单胞菌)、Haemophilus(嗜血杆菌)、Sneathia(纤毛菌属)、Allobaculum(粪异杆菌)和Enterococcus(肠球菌)是同时存在于II型和III型前列腺炎患者EPS中的差异菌。功能检测分析表明它们有可能正是导致CP患者出现前列腺炎症状的罪魁祸首。传统CP分型中II型和III型应该只是患者EPS中致病菌的丰度不同,均与细菌感染有关。病原微生物的次生代谢产物可能是导致CP患者尤其是III型前列腺炎患者临床药物治疗效果欠佳,病程迁延不愈的原因之一。

不感兴趣

看过了

取消

人点赞

人收藏

打赏

我有话说

0/500

同步到新浪微博

进群即领

扫码加入

扫码进群

您的申请提交成功

意见反馈

下载APP

健康界APP

了解更多

返回顶部

您已认证成功,可享专属会员优惠,买1年送3个月!开通会员,资料、课程、直播、报告等海量内容免费看!

THE END
1.什么是热图分析具体元素的点击数据如何? 不同渠道的访问者对于页面的关注点具备哪些差异和特征? 从重要元素的点击来看,哪个渠道质量更好? 「未转化」的用户与「转化」用户之间的热图表现差异如何? 热图提供了一种清晰直观的方式来帮助您解答这些问题。 以前 热图分析 下一个 Web端热图 最近更新 2yr ago 此页面是否有帮助?反馈...https://docs.growingio.com/v3/product-manual/product-analysis/analysis-tool/heatmap/what
2.差异分析生存分析热图绘制基于ICGC数据库差异分析生存分析热图绘制基于ICGC数据库 在这里,做差异用到的limma R包,大家对这个包应该非常熟悉了,只是还没用来做ICGC数据的差异。 得到ICGC表达矩阵之后,我们就可以做后面的差异分析了 在这里,做差异用到的limma R包,大家对这个包应该非常熟悉了,只是还没用来做ICGC数据的差异。https://www.biowolf.cn/ICGC/ICGC_diff.html
3.R语言:两组数据关联分析,pheatmap热图和cytoscape网络图–简书举例展示R语言组学关联分析的方法。宏基因组数据以KO-样品丰度表为例。代谢组数据以metabolite-样品丰度表为例。基本方法是用R语言psych包corr.test函数进行两组数据的相关分析,结果经格式化后用pheatmap可视化得热图。 一、模拟输入 1. KO丰度表 ko_abun=as.data.frame(matrix(abs(round(rnorm(200,100,10))),10...http://www.dentalearner.com/archives/2357
4.二氢槲皮素的新用途及二氢槲皮素水凝胶的制备方法与流程42.图23为二氢槲皮素水凝胶对小鼠创面菌群组成分析图;其中,a:群落热图分析(属水平);b:群落条形图(门水平);c:群落条形图(属水平); 43.图24为二氢槲皮素水凝胶对皮肤损伤小鼠皮肤菌群物种差异和标志物的分析图;其中,a:进化分枝图;b:基于lda的分布柱形图;c:pca分析(门水平);d:pca分析(属水平)。 https://www.xjishu.com/zhuanli/05/202210105572.html
1.python相关性分析热力图怎么看mob64ca12f8da8d的技术博客Python相关性分析热力图怎么看 相关性分析在数据分析中是一个重要的步骤,通过揭示变量之间的关系,帮助我们理解数据的内在结构。热力图是一种非常直观的方式来展现相关性矩阵。本文将介绍如何使用Python生成热力图,并解释如何解读这些图表。 1. 什么是相关性 https://blog.51cto.com/u_16213467/12698662
2.pheatmap依然是做热图的首选每当需要做热图的时候,首先想到就是pheatmap。记不清啥时候第一次使用该包了,但从那以后这就是画热图的第一选择了,因为无论是功能,还是颜值,亦或是操作简易程度都可以算是无可挑剔。如果硬要鸡蛋里挑骨头,那数据很多时注释可能会超出边界可以算作一条。虽然现在有很多其他的选择,但已经习惯了pheatmap,不...https://www.jianshu.com/p/362ee266fb5f
3.网站热图扫盲贴:从0开始掌握热图分析能力易增长获得上述问题答案的最佳方法是分析热图生成的分段数据。由于您没有对样本访问者进行细分,所以您没有注意到在转换的500个访问者中,有400个是新访问者,100个是返回访问者。如果你把你的样本分成新访问者和返回访问者,你的网站热度图数据会显示,虽然80% 的新访问者对新设计反应良好并进行了转换,但只有20% 的返回访...https://www.easygrowth.cn/www.easygrowth.cn/website-heat-map-literacy-post-master-the-ability-of-heat/
4.热图分析(这个热力图代表的是不同描述符与pIC50之间的皮尔逊相关系数...特定值的分析:看到某个特定的单元格有较高的正相关(例如0.35)或负相关(例如-0.23)时,这意味着相应的描述符与pIC50之间存在较强的线性关系。例如,在这个热力图中,"Infective-50"与pIC50之间有一个0.46的相关系数,这是一个较强的正相关,表明"Infective-50"高的时候,pIC50也高。 https://blog.csdn.net/DJJ5210/article/details/135420616
5.八大数据分析模型之——热图分析模型(四)诸葛君说:产品/运营们最痛苦的莫过于说服开发部门同意我们的网页改版方案,他们往往会充满怀疑的反问:为什么要这样做?总之,在你无法证明“你是对的”情况下,所有的沟通仿佛都站不住脚,今天,诸葛君就来分享一个数据分析模型——热图分析模型,用数据来表达你的想法,让对方快速理解你的核心观点并认同你的判断。 http://www.360doc.com/content/21/0511/12/73246432_976631406.shtml
6.绘制热图并解释分析结果.pptx汇报人: 绘制热图并解释分析结果 目录 热图概述 数据准备与处理 热图绘制方法 热图分析结果解释 01 热图概述 Chapter 热图(Heatmap)是一种用颜色变化来表示数据值大小的可视化技术。它通过将数据映射到颜色空间,使得数据的分布模式、聚集程度和异常点等特征能够直观展现。 通过热图展示消费者行为、产品销量等数据,帮助企...https://m.book118.com/html/2023/1127/5023314122011014.shtm
7.Hotjar热点图网站分析工具如您所料,Hotjar不是免费服务。要使用它,您需要在其网站上注册计划并通过插件将其与WordPress连接。此外,为了访问您的热图和记录,您需要从Hotjar平台进行访问。 主要特征: 使用三种类型的热图分析用户行为 跟踪桌面和移动会话的数据 记录完整的用户会话并在需要时重播它们 ...https://www.wbolt.com/hotjar-heatmap-analytics.html
8.生物信息学分析之如何看懂热图?生物信息学分析之如何看懂热图? 用途 热图多用于展示各种基因或RNA在不同样本中的表达,观察其表达模式。在RNA-Seq的相关文章中经常出现。 表现的是一个数值矩阵,热图中的每一个小方格都是一个数值,按照预先设置好的颜色值,给其分配一个颜色。若行为基因,列为样品,则是对应基因在对应样品的表达值;若行和列都为...https://www.mediecogroup.com/group/posts/gp_yJSPchq5/
9.转录调控高级分析结果详解(WGCNA\GSEA\PPI)百迈客生物1. 基因共表达网络热图分析 WGCNA的核心步骤其实就是通过对TOM矩阵进行分层聚类,TOM (Topological overlap matrix)即为把邻接矩阵转换为拓扑重叠矩阵,以降低噪音和假相关,获得的新距离矩阵,可以用来计算基因之间关联程度。基于TOM矩阵,图A中的行和列均代表基因,灰色模块为无法分配到初级模块中的基因,树枝的顶端为核心基...http://www.biomarker.com.cn/archives/21793
10.hic分析结果图如何看?行业动态Hi-C是一种常用的染色质三维结构分析方法,用于研究基因组中染色质的空间组织和基因调控。Hi-C实验得到的结果通常呈现为Hi-C交互热图。https://www.genecreate.cn/industry_news/2857.html
11.R语言绘制corrplot相关热图分析美化示例及详细图解R语言这篇文章主要为大家介绍了R语言corrplot相关热图分析美化示例及详细图解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪+ 目录 GPT4.0+Midjourney绘画+国内大模型 会员永久免费使用!【 如果你想靠AI翻身,你先需要一个靠谱的工具!】 介绍 R corrplot包 提供了一个在相关矩阵上的可视化探索...https://www.jb51.net/article/252887.htm
12.微生物专题16S文章中高频出现的关键分析内容解析通过不同软件和数据库对16S测序数据进行功能预测,能初步分析菌群组成变化与疾病或表型是如何关联在一起的,迈维代谢可以提供4种功能预测软件供大家选择,PICRUSt2、Tax4Fun2、FAPROTAX、BugBase。如果需要系统研究菌群的基因及其功能,建议做宏基因组测序。 功能聚类热图是根据样品在数据库中的功能注释及丰度信息,选取丰度...https://ibook.antpedia.com/x/730427.html
13.零基础16S/ITS/18S扩增子测序分析图表解读大全:箱线图散点图热图...零基础16S/ITS/18S扩增子测序分析图表解读大全:箱线图、散点图、热图、曼哈顿图、火山图、韦恩图、三元图、网络图,箱线图、散点图、热图、曼哈顿图、火山图、韦恩图、三元图、网络图https://www.biomart.cn/news/16/2850079_0.htm
14.代谢组学技术服务非靶向代谢组学服务●6.2热图分析: 为了表示差异物之间的聚类关系,我们会对这些物质的定量信息进行热图分析,如图6:差异性代谢物的热图 7.代谢通路分析 ●7.1代谢通路进行归类分析 我们采用KEGG数据库对每个差异代谢物所属的代谢通路进行归类分析,如图7:差异性代谢物所属KEGG代谢通路实例 ●7.2metametabonanalyst pathway分析 我们用软件met...https://www.bio-equip.com/show1service.asp?serviceid=37065
15.快速了解私域常用术语,看这篇就够了!TaoKeShow热图分析模型能够用热谱图直观呈现用户在网站、H5页面、APP上的点击、滚动行为,帮助产品、运营人员了解用户的点击偏好,辅助做页面设计优化、内容调整等。 89.浏览深度线 展示用户抵达某个区域的留存比例,百分比越低,越少用户能够看到这一位置。通常用于:①寻找CTA的最佳位置;②内容营销转换监测,比如,数据骤降时,说明哪...https://www.taokeshow.com/23527.html
16.数据分析图的十大错误,你占了几个?确保数据的呈现方式一致,可以让你的读者对比。 10、使用三维图 尽管这些图看来让人振奋,但3D图也容易分散预期和扰乱数据,坚持2D是王道。 怎么样?看过10个数据可视化的错误之后,是否意识到领导对你的数据分析图表摇头的原因了,快行动起来吧~https://gxq.guiyang.gov.cn/zjgxq/zjgxqxyzs/zjgxqxyzsdsjqy/201709/t20170916_17120532.html
17.热力图分析增长分析(私有化)基于用户在页面上的行为操作可以非常直观地通过热力图将大量用户的行为可视化。本文主要介绍用户点击行为相关的热图场景及热图创建方式。 应用场景 你需要综合而直观地了解用户在页面上发生的行为时 虽然其它的分析方法也能提供某些和页面有关的数据指标,但他们之间的关联度低,而且需要掌握一些分析方法。而页面热力图弥补这...https://www.volcengine.com/docs/6285/65951