Identifier les consommateurs de glycanes dans des échantillons de microbiote intestinal humain à l'aide d'un marquage métabolique couplé à la fluorescence

Nature Communications volume 14, Numéro d'article : 662 (2023) Citer cet article

6090 Accès

1 Citation

42 Altmétrique

Détails des métriques

La composition et le métabolisme du microbiote intestinal humain sont fortement influencés par les glycanes complexes alimentaires, qui entraînent des effets en aval sur la physiologie et la santé des hôtes. Malgré les progrès récents dans notre compréhension du métabolisme des glycanes par les bactéries intestinales humaines, nous avons encore besoin de méthodes pour relier les glycanes aux bactéries qui les consomment. Ici, nous utilisons un test fonctionnel pour identifier et isoler les bactéries intestinales de volontaires humains sains qui absorbent différents glycanes. La méthode combine le marquage métabolique à l’aide d’oligosaccharides fluorescents avec le tri cellulaire activé par fluorescence (FACS), suivi d’un séquençage d’amplicons ou de culturomique. Nos résultats démontrent un marquage métabolique chez divers taxons, tels que Prevotella copri, Collinsella aerofaciens et Blautia wexlerae. La validation in vitro confirme la capacité de la plupart des espèces marquées, mais pas de toutes, à consommer le glycane d'intérêt pour la croissance. En parallèle, nous montrons que les consommateurs de glycanes couvrant trois phylums majeurs peuvent être isolés à partir de cultures de cellules marquées triées. En reliant les bactéries aux glycanes qu’elles consomment, cette approche améliore notre compréhension fondamentale du métabolisme des glycanes par les bactéries intestinales. À l’avenir, cela pourrait être utilisé pour mieux comprendre le mécanisme des approches prébiotiques, dans lesquelles les glycanes sont utilisés pour manipuler la composition du microbiote intestinal.

Le microbiote intestinal fait partie intégrante de la physiologie humaine, car il métabolise notre alimentation, synthétise les vitamines et les acides aminés essentiels, entraîne le système immunitaire et nous protège des agents pathogènes1,2,3,4,5. Les progrès des outils génétiques et bioinformatiques ont conduit à une nouvelle compréhension de la complexité et de la diversité du microbiote intestinal, ainsi que de son importance dans les maladies humaines6. Le microbiome intestinal est enrichi en gènes impliqués dans la glycolyse et le métabolisme des glucides2,7. Grâce à ces enzymes actives sur les glucides (CAZymes), les bactéries intestinales métabolisent les glycanes complexes (fibres alimentaires) dérivés de l’alimentation qui atteignent le côlon sans être digérés par l’hôte8,9. Par conséquent, l’alimentation est un déterminant majeur de la composition et de la diversité du microbiote intestinal, plus encore que les facteurs génétiques10. En effet, les changements de régime alimentaire entraînent généralement des modifications métaboliques microbiennes rapides et une altération de la structure de la communauté microbienne7,11. Il est important de noter que même des différences structurelles subtiles dans les glycanes peuvent produire des résultats métaboliques microbiens distincts dans les études de supplémentation humaine12.

Notre compréhension des CAZymes progresse rapidement, comme en témoigne la caractérisation des locus d'utilisation des polysaccharides (PUL) chez Bacteroidetes, tels que le système d'utilisation de l'amidon (SUS) largement étudié chez Bacteroides thetaiotaomicron13. Le locus Sus code pour les protéines responsables de la liaison (SusDEF) et de la dégradation de la surface cellulaire (SusG) des polysaccharides d'amidon en oligosaccharides qui sont transportés dans le périplasme par le transporteur SusC dépendant de TonB, où ils sont ensuite transformés en monosaccharides par les glycosides hydrolases ( GH) SusAB14. De même, des PUL spécifiques ont été décrits pour de nombreux autres glycanes, tels que le mannane, le β-glucane, le xyloglucane et le galactomannane15,16,17,18,19. D'autre part, les bactéries Gram-positives contiennent des transporteurs qui peuvent internaliser les structures oligosaccharidiques telles que les fructooligosaccharides (FOS) par le MsmEFGK à quatre composants de Lactobacillus acidophilus20, ou les β-mannanes par une protéine de liaison au soluté (MnBP) et deux perméases (MPP). chez Roseburia intestinalis21. Malgré ces progrès, de nombreux PUL ont encore des spécificités de substrat inconnues et les familles GH peuvent avoir plusieurs substrats, ce qui rend difficile la prévision de l'activité basée sur le séquençage9,13,22,23,24. Ainsi, des méthodes fonctionnelles reliant les glycanes à leurs principaux consommateurs sont nécessaires, en particulier pour les Firmicutes et d’autres membres moins étudiés du microbiote intestinal humain25.

99% identity and coverage). Note that all annotations are considered putative and subject to improvement as database errors are resolved and new species are characterized./p>99% identity, and 100% identity was obtained for 86 out of the 93 ESVs. The sorted glycan+ samples exhibited lower bacterial α-diversity indices (observed ESVs, Chao1, and Shannon) than those of the starting stool samples, which is consistent with the labeled cells representing a subset of the initial gut microbiota samples (Fig. S3a). A principal component analysis (PCoA) showed a clustering of samples according to the individual (Fig. S3b), indicating that interpersonal differences in microbial communities explained most of the variance (45%). However, constrained ordination (CAP) analysis was performed using the labeled cells versus the initial stool samples as an a priori hypothesis and produced two distinct clusters on an ordination axis; this result explained 9% of the variance (Fig. S3c) and once again supported the enrichment of specific bacterial taxa from the original stool sample. Clustering of NYST-F+ cells from the other two probes was observed by further constraining the analysis by glycan type (Fig. S3d)./p>99% identity and coverage thresholds. α- and β-diversity and ordination were analyzed using R scripts with the vegan library, and differential abundance analysis was performed using DESeq249./p>