The human gut microbiota and type 2 diabetes: comparison of several methodological approaches to analyzing microbiome sequence data

Abstract

This study explores the correlation between type 2 diabetes status and gut microbiota composition, diversity and functional capacity in a Swedish cohort. Using 16S ribosomal RNA sequencing metagenomic data sampled from 2161 individuals, out of which 107 also had their metagenomic data sequenced using whole genome shotgun sequencing, modern bioinformatics tools were used to extract information on the composition, abundance, diversity and functionality of the gut microbiome.
In addition to the microbiome data, baseline demographic information, as well as diabetes status (prevalent diabetes) and clinical data including fasting glucose levels and glycated haemoglobin (HbA1c) levels were available for the study participants.
Using unsupervised and supervised statistical and machine learning tools, the microbiome data was next used to investigate whether we could detect statistically significant differences in microbiome composition (specifically, abundance and diversity) between (A) individuals without diabetes, (B) subjects with prediabetes, (C) patients with prevalent and (D) incident type 2 diabetes. Two bacterial genera, Blautia and Faecalibacterium, were identified as over- and underrepresented in healthy and disease states, respectively. These results are consistent with previously published literature. Novel associations between bacterial genera and healthy and disease states were also found.
Additionally, we compared the reported taxonomic compositions of the microbiome using one 16S ribosomal RNA sequencing and four whole-genome shotgun sequencing metagenomic data pipelines for 107 individuals. The identified differences and similarities are presented. We found that the whole-genome shotgun microbiome sequencing results are sensitive to differences in bioinformatic approaches used to analyze microbiome sequence data, as well as to the utilized reference database. We also found the methods for analyzing microbiome composition data to be lacking, and that standardized methods are needed for comparing results between studies.
Lastly, possible future extensions of the work are discussed.

Popular Abstract (Swedish)

Tarmflora och typ 2-diabetes – kan vi hitta sambanden?

Typ 2-diabetes är ett ökande globalt hälsoproblem. 2017 levde uppskattningsvis 450 miljoner vuxna världen över med diabetes, och en konservativ prognos indikerar att detta antal kan öka till 700 miljoner år 2045. Den stora majoriteten (mer än 80%) av dessa diabetesfall är typ 2-diabetes. Det är väl känt att otillräcklig fysisk aktivitet, ohälsosam kost och andra miljöfaktorer tillsammans med genetiska faktorer är starkt bidragande orsaker till att utveckla typ 2-diabetes, men under det senaste årtiondet har dessutom studier visat på att det kan finnas samband mellan förändringar i tarmfloran och typ 2-diabetes. Om vi kan hitta orsakssamband mellan tarmfloran och typ 2-diabetes, skulle det i framtiden förhoppningsvis kunna bli möjligt att förhindra, bota eller kontrollera typ 2-diabetes genom att förändra tarmfloran.

I vår studie har vi använt information om diabetesstatus, blodsockervärden och genetiska data från tarmfloran hos mer än 2000 personer. Med utgångspunkt i denna data har vi kunnat jämföra hur tarmfloran skiljer sig mellan till exempel personer med typ-2 diabetes och personer utan diabetes. Likaså mellan personer med höga blodsockervärden och normala blodsockervärden.

Vi har även jämfört olika metoder för att läsa in och tolka den genetiska informationen från tarmfloran. Slutligen har vi använt olika modeller för att försöka förutspå om en persons blodsockervärden är höga eller låga baserat på hur personens tarmflora ser ut.

Resultat
I vår studie kunde vi se att en större del av tarmfloran består av bakteriefamiljen Blautia vid typ 2-diabetes och/eller förhöjda blodsockervärden jämfört med icke-diabetes och/eller normala blodsockervärden. Omvänt kunde vi se att Faecalibacterium utgör en större del vid icke-diabetes och/eller normala blodsockervärden. Båda dessa samband har visats i tidigare studier, och vår studie gör det mer sannolikt att dessa resultat är riktiga. Dessutom kunde vi se samband mellan andra bakteriefamiljer och hälsosamma respektive ohälsosamma tillstånd, men mer forskning behövs innan vi kan säga att sambanden är verkliga.

En av de modeller vi använde kunde bättre än slumpmässigt förutsäga om en persons blodsockervärden var höga eller låga baserat på tarmfloran. Metoden är dock i nuläget inte tillräckligt precis för att ha praktisk användning. Förutom detta kunde vi i vår studie se att det är stor skillnad på vilken sammansättning tarmfloran ser ut att ha beroende på vilken mjukvara som används för att tolka den genetiska informationen. Dessutom är det relativt stor skillnad mellan de olika metoderna för inläsning av genetisk information med avseende på hur tarmfloran ser ut att vara sammansatt. I framtiden skulle vi vilja använda en mer detaljerad och robust metod för att läsa in och tolka den genetiska informationen, för att på så sätt kunna hitta starkare samband mellan tarmflora och typ 2-diabetes, och förhoppningsvis då kunna göra bättre förutsägelser.

Magisteruppsats i Bioinformatik, 30 hp, 2019
Biologiska institutionen, Naturvetenskapliga fakulteten, Lunds universitet

Handledare: Marju Orho-Melander och Petr Volkov
Medicinska fakulteten, Institutionen för kliniska vetenskaper, Malmö

• author: Uvesten, Petter
• supervisor: Petr Volkov
• organization: Degree Projects in Bioinformatics
• course: BINP30 20182
• year: 2019
• type: H2 - Master's Degree (Two Years)
• subject: Biology and Life Sciences
• language: English
• id: 8974075
• date added to LUP: 2019-04-05 14:28:54
• date last changed: 2019-04-05 14:28:54