LABORATORIO DE URGENCIAS

 

 

Microbiota Se Relaciona con Aterosclerosis Coronaria Subclínica.

The SCAPIS Cohort (8973participans)

 

Sergi Sayols-Baixeras, PhD; Koen F. Dekkers,  MSc; Gabriel Baldanzi, MD;  Daniel Jönsson; DDS, PhD ,Ulf Hammar; BSc, Yi-Ting Lin, MD, PhD;  Shafqat Ahmad, PhD; Tove Fall, DVM, PhD et al
     *Molecular Epidemiology and Science for Life Laboratory, Department of Medical Sciences, Uppsala University, Sweden
     *Department of Clinical Sciences in Malmö, Lund University, Sweden. Departments of Periodontology, aculty of Odontology, Malmö University, Sweden...
     *Molecular Epidemiology and Science for Life Laboratory. Preventive Medicine Division, Harvard Medical School, Brigham and Women’s Hospital,Boston,MA 
     *Clinical Microbiomics A/S, Copenhagen, Denmark.
     *The Novo Nordisk Foundation Center for Biosustainability, Technical University of Denmark, Lyngby, Denmark (S.P.).
     *Clinical Microbiomics A/S, Copenhagen, Denmark.
     *Department of Cardiology, Clinical Sciences, and Wallenberg Center for Molecular Medicine and Lund University Diabetes Center, Lund University, Sweden

 Circulation (2023); Vol 148;number 6
https://doi.org/10.1161/CIRCULATIONAHA.123.063914

 

La enfermedad cardiovascular aterosclerótica (ECV) es una causa importante de muerte y discapacidad.1 Se plantea la hipótesis de que la comunidad microbiana del tracto gastrointestinal, también conocida como microbiota intestinal, afecta la progresión de la aterosclerosis a través de 3 mecanismos potenciales:
* En primer lugar, los metabolitos microbianos pueden interferir con el metabolismo del huésped, incluido el metabolismo lipídico.² La composición de la microbiota intestinal se ha relacionado con trastornos metabólicos como la obesidad, la resistencia a la insulina y la diabetes tipo 2, aunque la relación causal y la dirección no están claras.³
* En segundo lugar, la translocación de bacterias vivas o componentes estructurales bacterianos (p. ej., endotoxinas) al torrente sanguíneo puede contribuir a la inflamación sistémica de bajo grado, exacerbando así el proceso de aterosclerosis.²
* En tercer lugar, el descubrimiento de ADN bacteriano en las placas ateroscleróticas ha llevado a la hipótesis de que las bacterias podrían infectar directamente las placas y acelerar la progresión de la aterosclerosis.⁴
Los estudios de casos y controles de enfermedad coronaria aterosclerótica sintomática han identificado diferencias en la abundancia de más de 500 especies intestinales.⁵⁻⁷ Sin embargo, las diferencias en el tratamiento médico y los factores de estilo de vida de los pacientes y los controles hacen que estos estudios sean propensos a sesgos. Por lo tanto, se justifican estudios de individuos sin enfermedad coronaria manifiesta en grandes muestras poblacionales que incorporen biomarcadores de metabolismo e inflamación. Existen evidencias que respaldan la transmisión frecuente de especies orales al intestino,⁸ lo que indica que la microbiota intestinal y oral están conectadas en lugar de ser dos comunidades microbianas separadas. Se ha informado que especies causantes de caries dental, bacterias que habitan en la placa y especies asociadas a la endocarditis, incluidas especies de estreptococos del grupo viridans (VGS), se transmiten con alta frecuencia. Además, se ha reportado una superposición entre bacterias orales como Veillonella spp. y Streptococcus spp. encontradas en la cavidad oral, muestras fecales y placa aterosclerótica carotídea.⁹ Dada la asociación entre la salud dental, la disfunción endotelial y la enfermedad aterosclerótica,¹⁰⁻¹² el intestino podría servir como nicho o vía de entrada para bacterias patógenas orales que pasan a la sangre. Sin embargo, existen pocos estudios que evalúen la asociación de especies intestinales relacionadas con la aterosclerosis con el microbioma oral. Para evitar las limitaciones de estudios previos y comprender mejor la relación entre la microbiota intestinal y la aterosclerosis, nos propusimos identificar asociaciones entre el microbioma intestinal y las mediciones de aterosclerosis coronaria subclínica mediante tomografía computarizada en una amplia cohorte de participantes de mediana edad del estudio SCAPIS (Estudio Sueco de Bioimágenes Cardiopulmonares). Además, evaluamos las asociaciones entre las especies bacterianas intestinales asociadas a la aterosclerosis y los biomarcadores de inflamación e infección, los metabolitos plasmáticos y la abundancia de las especies bacterianas correspondientes en la cavidad oral.

MÉTODOS

Diseño del estudio y participantes
La principal fuente de datos fue SCAPIS, un estudio poblacional centrado en enfermedades cardiovasculares y respiratorias con 30 154 participantes de entre 50 y 64 años de edad, procedentes de 6 centros en Suecia.13 Se dispuso de datos de metagenómica fecal para 4839 participantes de Uppsala y 4980 de Malmö, tras la eliminación de 10 muestras por no superar el control de calidad. Tras excluir a los participantes con información faltante sobre el país de nacimiento (n=39) o la puntuación de calcio en las arterias coronarias (CACS; n=356), o que habían informado tener enfermedad cardiovascular (ECV) (n=451), incluyendo ECV aterosclerótica (n=119), quedaron 4541 participantes de Uppsala y 4432 de Malmö.
Se investigó la asociación entre las especies intestinales y sus contrapartes en muestras de saliva y con la salud bucal en participantes del estudio MODS (n=831; edad media, 52,9 años), un subestudio del estudio MOS basado en familias.10,14 Se disponía de metagenómica salival, datos de examen oral y datos completos sobre edad y sexo para 650 participantes; se disponía de datos informativos de metagenómica fecal del estudio MOS para 435 de esos participantes.
Todos los participantes dieron su consentimiento informado por escrito. El estudio se realizó de acuerdo con la Declaración de Helsinki y fue aprobado por los comités de ética regionales.
Mediciones de aterosclerosis
Las imágenes cardíacas en SCAPIS incluyeron angiografía coronaria por tomografía computarizada, como se describió previamente.15 En resumen, la tomografía computarizada se realizó con un escáner de doble fuente dedicado y un detector Stellar (Somatom Definition Flash; Siemens Medical Solutions). Se obtuvieron imágenes sin contraste para la puntuación de calcio de todos los participantes, seguidas de imágenes con contraste de los participantes sin contraindicaciones. La puntuación de calcio coronario (CACS) se determinó utilizando el software syngo.via (Volume Wizard; Siemens). El área de calcificación se sumó para todo el árbol arterial coronario para obtener una CACS según Agatston.16 Los radiólogos inspeccionaron las imágenes para detectar cualquier aterosclerosis coronaria, puntuación de afectación segmentaria (SIS), índice pronóstico de enfermedad arterial coronaria de Duke modificado para SCAPIS.15 y aterosclerosis oclusiva (estenosis ≥50% en al menos un vaso; Métodos ampliados en el Material complementario). Se incluyeron individuos con lecturas válidas en al menos 4 segmentos proximales. La aterosclerosis carotídea se clasificó como ausente, unilateral o bilateral¹³ a partir de imágenes ecográficas bidimensionales en escala de grises obtenidas con un ecógrafo Acuson S2000 y un transductor lineal 9L4 (ambos de Siemens) mediante un protocolo estandarizado y el consenso de Mannheim¹⁷.

Metagenómica
Se extrajo ADN de muestras fecales (SCAPIS y MOS) y de saliva (MODS) en Clinical Microbiomics A/S. Esta técnica generó un promedio de 26,3 millones de pares de lecturas por muestra en SCAPIS-Malmö y MOS, 25,3 millones de pares de lecturas en SCAPIS-Uppsala y 26,3 millones de pares de lecturas en MODS. Las lecturas y los datos no pertenecientes al huésped de estas y otras cohortes se utilizaron para crear catálogos genéticos no redundantes independientes para las muestras fecales y de saliva. Se identificaron especies metagenómicas y los conjuntos de genes característicos correspondientes.18 En los tres conjuntos de datos, la abundancia de especies se estimó mapeando las lecturas a los conjuntos de genes característicos y normalizando la longitud efectiva del gen. La información taxonómica de los dos catálogos se mapeó con la base de datos RefSeq del Centro Nacional de Información Biotecnológica (NCBI).19 La diversidad alfa (índice de diversidad de Shannon, índice inverso de Simpson y Chao1) y la diversidad beta (disimilitud de Bray-Curtis) se estimaron con el paquete vegan versión 2.5-7 de R, versión 4.1.1, utilizando datos rarefactados. Estos datos también se utilizaron para definir individuos con una abundancia mayor o menor que la mediana de cada especie. El perfil de potencial funcional de la microbiota intestinal se determinó asignando genes a módulos metabólicos intestinales (GMM),20 que incluyen 103 vías metabólicas que representan procesos enzimáticos celulares. La abundancia de GMM se estimó utilizando el paquete Omixer-RPM versión 0.3.226 de R, con un umbral mínimo de cobertura del módulo del 66,6 %. Antes del análisis estadístico, los datos de abundancia de cada especie en todos los conjuntos de datos analíticos y para cada GMM se transformaron con la fórmula ln(x+1), donde ln indica el logaritmo natural y x denota la abundancia relativa de cada especie o GMM, seguido de una transformación z para establecer la media en 0 y la desviación estándar en 1.

Química Clínica, Hematología y Metabolómica
Se analizaron muestras de plasma venoso para determinar los niveles de colesterol de lipoproteínas de alta y baja densidad (LDL), triglicéridos y proteína C reactiva de alta sensibilidad (PCR-as). El recuento de células sanguíneas se realizó mediante métodos estándar. Las asociaciones entre especies asociadas al CACS y metabolitos plasmáticos en 8583 participantes del estudio SCAPIS con q<0,05 se obtuvieron del atlas GUTSY21.
En resumen, se recolectaron muestras de sangre venosa de los participantes tras un ayuno nocturno y se almacenaron a -80 °C. Posteriormente, las muestras se enviaron a Metabolon para el perfilado del metaboloma plasmático. Se eliminaron las proteínas de las muestras y se utilizaron cuatro procesos diferentes para analizar los metabolitos: cromatografía líquida de ultra alta resolución en fase inversa acoplada a espectrometría de masas en tándem con ionización por electrospray en modo de iones negativos, cromatografía de interacción hidrofílica acoplada a espectrometría de masas en tándem y dos resoluciones separadas con ionización por electrospray en modo de iones positivos.
La identificación y cuantificación de picos, así como el control de calidad, se realizaron utilizando el hardware y el software Metabolon. Los metabolitos se anotaron comparándolos con una biblioteca de estándares. Un total de 1321 metabolitos superaron el control de calidad y se incluyeron en los análisis. La asociación de especies microbianas con metabolitos se evaluó mediante un análisis de correlación de rangos de Spearman parcial ajustado por edad, sexo, lugar de nacimiento (Escandinavia, Europa no escandinava, Asia u otro) y variables técnicas.

Fenotipos de salud bucal
Los exámenes dentales de los participantes del estudio MODS fueron realizados por cinco dentistas. Se registraron las superficies con caries y obturaciones en todos los dientes, contabilizando de 4 a 5 superficies por diente. Las superficies con caries se detectaron mediante criterios clínicos estándar, con la ayuda de espejo, sonda (Hu-Friedy EXD57) y radiografías interproximales que combinaban lesiones iniciales y manifiestas. Las superficies obturadas incluían tanto obturaciones como coronas. La inflamación gingival se registró como porcentaje de sangrado al sondaje, excluyendo las muelas del juicio, contabilizando 6 superficies por diente.

Otros fenotipos
En SCAPIS y MOS, se recopilaron datos sobre país de nacimiento, tabaquismo, actividad física y dieta mediante cuestionarios estandarizados validados. Se registraron la presión arterial y el índice de masa corporal. Los datos sobre medicamentos se obtuvieron del registro de prescripciones, autoinformes, mediciones plasmáticas y otras fuentes. El parentesco en SCAPIS se basó en el análisis de parentesco de los datos genotípicos, asignando a los parientes de primer grado a la misma familia, y el parentesco en MOS/MODS se basó en la información familiar obtenida durante la fase de diseño del estudio. Análisis estadístico
La asociación entre la diversidad alfa y la aterosclerosis coronaria se evaluó mediante modelos lineales mixtos, con ln(CACS+1) como variable dependiente y los índices de diversidad alfa como variables independientes. Para abordar la posible influencia del parentesco familiar, se consideró el parentesco de primer grado entre 423 participantes de 208 familias mediante una variable de efectos aleatorios, utilizando el paquete lmerTest versión 3.1-3 de R. Además, se modelaron dos conjuntos de covariables como efectos fijos. El modelo básico se ajustó por edad, sexo, país de nacimiento y placa de extracción metagenómica. El modelo principal se ajustó adicionalmente por tabaquismo; actividad física; ingesta de carbohidratos, proteínas y fibra ajustada por energía; presión arterial sistólica y diastólica; nivel de colesterol total; niveles de colesterol HDL y LDL; ln(triglicéridos); diabetes; índice de masa corporal; y medicación autoinformada para dislipidemia, hipertensión o diabetes.
La diversidad beta se evaluó mediante un ANOVA multivariado basado en distancias, utilizando ln(CACS+1) como variable independiente, con la función dmanova del paquete GUniFrac versión 1.3. Estos análisis se ajustaron con los mismos dos conjuntos de covariables que en los análisis de diversidad alfa. Sin embargo, a diferencia de estos últimos, solo se incluyó un participante de cada grupo familiar, en lugar de tratar el parentesco familiar como una variable de efecto aleatorio.

Análisis de sensibilidad
En tres análisis independientes, se excluyeron tres grupos de participantes: aquellos con niveles plasmáticos de inhibidores de la bomba de protones, aquellos con enfermedad inflamatoria intestinal y aquellos tratados con antibióticos durante el año anterior a la visita basal. Además, se repitieron los análisis de especies asociadas al CACS con el índice de diversidad de Shannon como covariable para comprobar si los hallazgos se debían a cambios globales en la composición de la microbiota intestinal, en lugar de a cambios en especies individuales. Las asociaciones del modelo principal se probaron en un modelo mixto ordinal utilizando las categorías de CACS como resultado (CACS 0, 1 a 100, 101 a 400 o >400) utilizando Stata versión 15.

RESULTADOS

*La composición y riqueza de la microbiota intestinal se asocian con la aterosclerosis subclínica y esta asociación se atenúa al ajustar por factores de estilo de vida, dieta y medicación.
*Las especies asociadas con la aterosclerosis subclínica presentan una mayor proporción de especies de los géneros Streptococcus y Oscillibacter.
*El perfil taxonómico de las muestras fecales identificó la prevalencia de 1985 especies, de las cuales 411 presentaban una prevalencia inferior al 1%. El número promedio de especies por muestra fue de 325, con un rango de 11 a 696. Los filos dominantes fueron Firmicutes (72%) y Bacteroidetes (20%). En el modelo básico, que incluyó a 8973 individuos, la abundancia relativa de 78 especies (73 de las cuales tenían una prevalencia ≥1%) mostró una asociación positiva con la CACS, mientras que 29 especies (todas con una prevalencia ≥1%) se asociaron negativamente (Tabla S2). El análisis de enriquecimiento de conjuntos de taxones reveló una sobrerrepresentación de los géneros Streptococcus y Oscillibacter en las asociaciones positivas con la calcificación de las arterias coronarias (CACS).
*Sesenta y cuatro especies se asociaron con la CACS independientemente de los factores de riesgo cardiovascular.
En el modelo principal, que incluyó a 8118 individuos con datos completos sobre covariables, 67 especies permanecieron asociadas con la CACS (54 de forma positiva y 13 de forma negativa). Las covariables incluyeron edad, sexo, país de nacimiento, placa de extracción metagenómica, tabaquismo, actividad física, ingesta de carbohidratos, proteínas y fibra ajustada por energía, presión arterial, niveles de lípidos, diabetes, índice de masa corporal, medicación cardiovascular autoinformada y parentesco familiar. Sin embargo, las asociaciones de Peptoniphilus harei, Muribaculaceae sp. (identificador de especie metagenómica: HG3A.1967) y Eubacteriales sp. (HG3A.0270) se consideraron no robustas, ya que la eliminación de observaciones influyentes individuales eliminó la asociación. Entre las 64 especies restantes asociadas al CACS, 51 mostraron una asociación positiva con el CACS, mientras que 13 mostraron asociaciones negativas. La abundancia de bacterias en los grupos de CACS y en los participantes de SCAPIS previamente excluidos con ECV aterosclerótica autoinformada mostró los valores de P más bajos para Streptococcus anginosus, Streptococcus oralis subsp. oralis, Escherichia coli, Eubacteriales sp. (HG3A.1354) e Intestinimonas sp. (HG3A.1149), todas asociadas positivamente con el CACS.
Otras especies asociadas incluyeron Streptococcus parasanguinis, Streptococcus gordonii y Streptococcus agalactiae.
*La comparación de las principales características clínicas en participantes con alta y baja abundancia de especies asociadas al CACS (mediana de corte) mostró que aquellos con mayor abundancia de las dos especies más fuertemente asociadas, S. anginosus y S. oralis subsp. oralis, presentaban, en general, más factores de riesgo cardiovascular. Además, hubo indicios de que las asociaciones entre S. agalactiae, Rothia mucilaginosa, dos especies de Eubacteriales (HG3A.0511 y HG3A.0854) y una especie de Oscillibacter (HG3A.0243) y CACS se vieron modificadas por el sexo (Pinteracción<0,05). Tras el ajuste por comparaciones múltiples, los términos de interacción dejaron de ser significativos.
*Los módulos metabólicos intestinales relacionados con la reducción disimilatoria de nitratos, la β-oxidación anaeróbica de ácidos grasos y la degradación de aminoácidos se asocian positivamente con la aterosclerosis subclínica. En el modelo básico (n=8973), 36 módulos metabólicos intestinales se asociaron positivamente, mientras que cuatro mostraron una asociación negativa con CACS. En el modelo principal (n=8118), se encontró que 11 módulos metabólicos intestinales se asociaron positivamente con CACS, y ninguno se asoció negativamente con CACS. Ninguna de estas asociaciones fue impulsada por una observación influyente. Estos 11 GMM participan en diversas vías metabólicas, incluyendo la degradación de aminoácidos (por ejemplo, la degradación de asparagina, prolina y valina), la β-oxidación anaeróbica de ácidos grasos, las reacciones enzimáticas sobre el consumo de lactato, la producción de propionato y el metabolismo del nitrógeno.
*Otras mediciones de aterosclerosis. A continuación, evaluamos la asociación entre las especies asociadas a CACS y 4 mediciones de angiografía coronaria por tomografía computarizada (presencia de placa de aterosclerosis coronaria, estenosis coronaria >50%, índice de Duke modificado y SIS) y el número de vasos carotídeos con placa aterosclerótica ajustados por las covariables en el modelo principal. Veinticinco estenosis >50%, 39 con el índice de Duke modificado, 44 ​​con el SIS y 5 con placa carotídea (P<0,05), todos en la misma dirección que con CACS Las especies asociadas a CACS también se asociaron con cualquier placa aterosclerótica coronaria, 5 con coronaria.

DISCUSIÓN

Se ha propuesto que las bacterias intestinales influyen en el desarrollo y la progresión de la aterosclerosis mediante infecciones locales o distales a la placa aterosclerótica, o mediante la producción de metabolitos aterogénicos.² La asociación de la microbiota intestinal con la aterosclerosis coronaria se ha estudiado previamente solo en pacientes sintomáticos, quienes a menudo reciben tratamiento, lo que conlleva un alto riesgo de sesgo, ya que la medicación puede provocar grandes cambios en la composición microbiana. En este estudio, se utilizaron mediciones detalladas de la aterosclerosis de las arterias coronarias mediante imágenes y una caracterización exhaustiva del microbioma intestinal mediante metagenómica de secuenciación masiva en individuos sin enfermedad cardiovascular previa de la gran cohorte poblacional SCAPIS para identificar 64 especies asociadas con la calcificación de las arterias coronarias (CACS), independientemente de los factores de riesgo. Varias de estas especies se asociaron con marcadores circulantes de inflamación e infección, y con las especies bacterianas correspondientes en muestras de saliva, las cuales, a su vez, se asociaron con una peor salud bucal. Por lo tanto, se justifican estudios para continuar investigando el papel de estas 64 especies en la aterogénesis.
El género Streptococcus se asoció con CACS, lo que concuerda con las observaciones de estudios previos de casos y controles sobre enfermedad cardiovascular aterosclerótica sintomática.6,7,25 Específicamente, S. anginosus, S. oralis subsp. oralis, S. parasanguinis, S. gordonii y S. agalactiae se asociaron con aterosclerosis coronaria. Conocimiento actual sobre la participación de estas bacterias en patologías cardiovasculares. Todas estas especies pertenecen al género VGS,26 excepto S. agalactiae (un no-VGS β-hemolítico). Los estreptococos del grupo viridans (VGS) pueden ingresar al torrente sanguíneo a través de lesiones en la barrera mucosa causadas por las actividades diarias de higiene bucal y los procedimientos dentales, y también pueden atravesar la barrera intestinal cuando esta se lesiona.27 Los VGS pueden infectar las válvulas y los vasos coronarios, siendo responsables del 20 % de los casos de endocarditis infecciosa.4,9,28 Las especies de VGS inician y contribuyen a la formación de biopelículas, las cuales mejoran la supervivencia bacteriana y se han encontrado en lesiones ateroscleróticas, aunque su significado aún no está claro29 Además, en sistemas modelo, los VGS pueden invadir células endoteliales aórticas humanas y estimular citocinas proinflamatorias relacionadas con la aterosclerosis.30 Estudios en animales sugieren un vínculo causal entre Streptococcus spp. y la aterogénesis.31,32 En nuestro estudio, la abundancia de Streptococcus spp. asociados al síndrome de compresión de las arterias coronarias (CACS) en el intestino se asoció de forma fuerte y positiva con la proteína C reactiva de alta sensibilidad (hsCRP), la leucocitosis y la neutrofilia, lo que podría haber sido desencadenado por bacteriemia de bajo grado. Evaluamos la asociación de las especies asociadas al CACS con otras medidas de aterosclerosis coronaria obtenidas mediante angiografía coronaria por tomografía computarizada, así como con la aterosclerosis carotídea medida por ultrasonido. En general, encontramos una alta concordancia en las asociaciones de las especies con el CACS, el índice de Duke modificado, cualquier aterosclerosis y el SIS. Sin embargo, las asociaciones con la presencia de una oclusión >50% en al menos un vaso fueron más débiles, posiblemente debido a su baja frecuencia en nuestra cohorte y a la baja potencia estadística. Asimismo, solo unas pocas especies se asociaron con la placa carotídea, quizás debido a que la medición de la placa carotídea no fue muy detallada o a que las asociaciones difieren en los distintos lechos vasculares.
La composición de la microbiota intestinal también podría contribuir a la aterogénesis mediante la alteración del metabolismo del huésped. En el presente estudio, todas las especies asociadas al CACS se asociaron con al menos un metabolito plasmático y se agruparon en grupos distintos según sus asociaciones con el metaboloma.
Un grupo, que contenía todas las especies que se encuentran comúnmente en la saliva, se asoció positivamente con varios metabolitos derivados de la microbiota, como los ácidos biliares primarios y secundarios, y con omeprazol y metformina. Además, este grupo se asoció negativamente con el propionato de indol, un metabolito del triptófano derivado de microorganismos, que se ha encontrado inversamente asociado con la enfermedad coronaria aterosclerótica en humanos y con una menor progresión de la aterosclerosis en ratones.33 También se encontró que las bacterias de este grupo se asociaban positivamente con el propionato de imidazol, un metabolito derivado de microorganismos de la histidina, que se ha informado que afecta el metabolismo de la glucosa.34 Varios metabolitos del tabaco (es decir, glucurónido de 3-hidroxicotinina, N-óxido de cotinina y norcotinina) se asociaron positivamente con especies asociadas positivamente con CACS y negativamente con especies asociadas negativamente con CACS. En conjunto, estos hallazgos sugieren una interacción entre las especies asociadas con CACS y la producción de metabolitos microbianos, la ingesta de drogas y el comportamiento de fumar.
Otro aspecto del microbioma es el potencial metabólico funcional, que puede resumirse en módulos metabólicos en función de las funciones conocidas de los genes bacterianos.20 Encontramos 11 módulos asociados positivamente con CACS, con las asociaciones más fuertes observadas para la reducción disimilatoria de nitrato y la β-oxidación anaeróbica de ácidos grasos. El nitrato dietético se absorbe en los intestinos y se excreta de nuevo al tracto gastrointestinal por las glándulas salivales en altas concentraciones, formando la llamada circulación entero-salival de nitrato. Las bacterias orales desnitrificantes son importantes para convertir el nitrato (NO3−) en nitrito (NO2−), que puede convertirse más tarde en óxido nítrico (NO) en el pH ácido del estómago. La generación de NO contribuye a la protección gástrica al aumentar el flujo sanguíneo y la viscosidad del moco.35 El nitrato y el nitrito que no se convierten en NO en el estómago se absorben en el torrente sanguíneo y los tejidos, donde podrían actuar como reservorio de NO, que parece ser importante para la vasodilatación en condiciones de hipoxia.36 y la modulación de la respiración mitocondrial.37 Sin embargo, la vía de reducción disimilatoria de nitrato convierte el nitrato en amoníaco, y una mayor actividad de esta vía en el colon podría inhibir los posibles efectos cardiovasculares positivos del nitrato. Encontramos que los genes relacionados con la fermentación anaeróbica de ácidos grasos estaban asociados con la CACS. Dichos genes son poco comunes en la microbiota intestinal y la base genética de la oxidación de ácidos grasos en condiciones anaeróbicas no está bien caracterizada.20 Encontramos una asociación de 5 módulos de degradación de aminoácidos con la CACS. Esto podría deberse a diferencias en la dieta no contempladas en nuestras covariables.

LIMITACIONES

Nuestro estudio presenta algunas limitaciones:
* En primer lugar, si bien nuestra cohorte es al menos siete veces mayor que las analizadas previamente, pocos participantes presentaban altos niveles de aterosclerosis subclínica, lo que reduce la potencia estadística.
* En segundo lugar, la composición microbiana puede variar considerablemente a lo largo del tracto gastrointestinal. Las muestras fecales contienen poblaciones microbianas del colon distal, y en menor medida de otras zonas, como el intestino delgado. Por lo tanto, no pudimos identificar asociaciones de especies que no están bien representadas en las muestras fecales.
* En tercer lugar, nuestro estudio no considera las diferentes interacciones entre especies bacterianas, como los efectos sinérgicos en la relación con la aterosclerosis coronaria.
* En cuarto lugar, el diseño transversal del estudio limita la inferencia causal.
* Por último, nuestros datos sobre el tratamiento antibiótico no incluyen los antibióticos administrados durante la hospitalización; sin embargo, en este grupo de edad, no esperamos un gran número de pacientes tratados en el hospital. En futuros estudios, se deberían utilizar diferentes métodos de inferencia causal para determinar si las especies identificadas están causalmente relacionadas con el desarrollo de la aterosclerosis. Al combinar datos de un amplio estudio de cohorte poblacional con imágenes para evaluar la aterosclerosis coronaria subclínica, encontramos que la abundancia de varias especies en el intestino se asoció con la aterosclerosis coronaria, biomarcadores de inflamación y sus contrapartes orales. De existir una relación causal, estas especies podrían contribuir a la aterogénesis mediante infección directa o alterando el metabolismo del huésped.
Futuros estudios determinarán si estas especies pueden utilizarse como posibles biomarcadores o dianas terapéuticas.

NOTA: Este es un resumen general de un artículo publicado. El texto completo, tablas, gráficos, figuras y más detalles se encuentran en la revista mencionada al inicio.

REFERENCIAS

Jhonsson AL, Bäckhed F. Role of gut microbiota in atherosclerosis. Nat Rev Cardiol. 2017;14:79–87. doi: 10.1038/nrcardio.2016.183

Chakaroun RM, Olsson LM, Bäckhed F. The potential of tailoring the gut microbiome
to prevent and treat cardiometabolic disease. Nat Rev Cardiol. 2023;20:217–235. doi: 10.1038/s41569-022-00771-04.

Ott SJ, El Mokhtari NE, Musfeldt M, Hellmig S, Freitag S, Rehman A, Kühbacher T, Nikolaus S, Namsolleck P, Blaut M, et al. Detection of diverse bacterial signatures in atherosclerotic lesions of patients with coronary heart disease. Circulation. 2006;113:929–937. doi: 10.1161/CIRCULATIONAHA.105.5799795.

Fromentin S, Forslund SK, Chechi K, Aron-Wisnewsky J, Chakaroun R, Nielsen T, Tremaroli V, Ji B, Prifti E, Myridakis A, et al. Microbiome and metabolome features of the cardiometabolic disease spectrum. Nat Med. 2022;28:303–314. doi: 10.1038/s41591-022-01688-46.

Jie Z, Xia H, Zhong SL, Feng Q, Li S, Liang S, Zhong H, Liu Z, Gao Y, Zhao H, et al. The gut microbiome in atherosclerotic cardiovascular disease. Nat Commun. 2017;8:845. doi: 10.1038/s41467-017-00900-17.

Liu H, Chen X, Hu X, Niu H, Tian R, Wang H, Pang H, Jiang L, Qiu B, Chen X, et al. Alterations in the gut microbiome and metabolism with coronary artery disease severity. Microbiome. 2019;7:68. doi: 10.1186/s40168-019-0683-98.

Schmidt TS, Hayward MR, Coelho LP, Li SS, Costea PI, Voigt AY, Wirbel J, Maistrenko OM, Alves RJ, Bergsten E, et al. Extensive transmission of microbes along the gastrointestinal tract. Elife. 2019;8:e42693. doi: 10.7554/eLife.426939.

Koren O, Spor A, Felin J, Fåk F, Stombaugh J, Tremaroli V, Behre CJ, Knight R, Fagerberg B, Ley RE, et al. Human oral, gut, and plaque microbiota in patients with atherosclerosis. Proc Natl Acad Sci USA. 2011;108:4592–4598. doi: 10.1073/pnas.101138310710.

Jönsson D, Orho-Melander M, Demmer RT, Engström G, Melander O, Klinge B, Nilsson PM. Periodontal disease is associated with carotid plaque area: the Malmo Offspring Dental Study (MODS). J Intern Med. 2020;287:301–309. doi: 10.1111/joim.129911.

Rydén L, Buhlin K, Ekstrand E, de Faire U, Gustafsson A, Holmer J, Kjellström B, Lindahl B, Norhammar A, Nygren A, et al. Periodontitis increases the risk of a first myocardial infarction: a report from the PAROKRANK study. Circulation. 2016;133:576–583. doi: 10.1161/CIRCULATIONAHA.115.02032412.

Tonetti MS, D’Aiuto F, Nibali L, Donald A, Storry C, Parkar M, Suvan J, Hingorani AD, Vallance P, Deanfield J. Treatment of periodontitis and endothelial function. N Engl J Med. 2007;356:911–920. doi: 10.1056/NEJMoa06318613.

Bergström G, Berglund G, Blomberg A, Brandberg J, Engström G, Engvall J, Eriksson M, Faire U, Flinck A, Hansson MG, et al. The Swedish Cardiopulmonary Bioimage Study: objectives and design. J Intern Med. 2015;278:645–659. doi: 10.1111/joim.1238414.

Brunkwall L, Jönsson D, Ericson U, Hellstrand S, Kennbäck C, Östling G, Jujic A, Melander O, Engström G, Nilsson J, et al. The Malmö Offspring Study (MOS): design, methods and first results. Eur J Epidemiol. 2021;36:103–116. doi: 10.1007/s10654-020-00695-415.

Bergström G, Persson M, Adiels M, Björnson E, Bonander C, Ahlström H, Alfredsson J, Angerås O, Berglund G, Blomberg A, et al. Prevalence of subclinical coronary artery atherosclerosis in the general population. Circulation. 2021;144:916–929. doi: 10.1161/CIRCULATIONAHA.121.05534016.

Ohnesorge B, Flohr T, Fischbach R, Kopp AF, Knez A, Schröder S, Schöpf UJ, Crispin A, Klotz E, Reiser MF, et al. Reproducibility of coronary calcium quantification in repeat examinations with retrospectively ECG-gated multisection spiral CT. Eur Radiol. 2002;12:1532–1540. doi: 10.1007/s00330-002-1394-217.

Touboul PJ, Hennerici MG, Meairs S, Adams H, Amarenco P, Bornstein N, Csiba L, Desvarieux M, Ebrahim S, Hernandez RH, et al. Mannheim carotid intima-media thickness and plaque consensus (2004-2006-2011): an update on behalf of the advisory board of the 3rd, 4th and 5th watching the risk symposia, at the 13th, 15th and 20th European Stroke Conferences, Mannheim, Germany, 2004, Brussels, Belgium, 2006, and Hamburg, Germany, 2011. Cerebrovasc Dis. 2012;34:290–296. doi: 10.1159/00034314518.

Nielsen HB, Almeida M, Juncker AS, Rasmussen S, Li J, Sunagawa S, Plichta DR, Gautier L, Pedersen AG, Chatelier EL, et al; MetaHIT Consortium. Identification and assembly of genomes and genetic elements in complex metagenomic samples without using reference genomes. Nat Biotechnol. 2014;32:822–828. doi: 10.1038/nbt.293919.

O’Leary NA, Wright MW, Brister JR, Ciufo S, Haddad D, McVeigh R, Rajput B, Robbertse B, Smith-White B, Ako-Adjei D, et al. Reference sequence (RefSeq) database at NCBI: current status, taxonomic expansion, and functional annotation. Nucleic Acids Res. 2016;44:D733–D745. doi: 10.1093/nar/gkv118920.

Vieira-Silva S, Falony G, Darzi Y, Lima-Mendez G, Garcia Yunta R, Okuda S, Vandeputte D, Valles-Colomer M, Hildebrand F, Chaffron S, et al. Species-function relationships shape ecological properties of the human gut microbiome. Nat Microbiol. 2016;1:16088. doi: 10.1038/nmicrobiol.2016.8821.

Dekkers KF, Sayols-Baixeras S, Baldanzi G, Nowak C, Hammar U, Nguyen D, Varotsis G, Brunkwall L, Nielsen N, Eklund AC, et al. An online atlas of human plasma metabolite signatures of gut microbiome composition. Nat Commun. 2022;13:5370. doi: 10.1038/s41467-022-33050-022.

Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J R Stat Soc Series B Stat Methodol. 1995;57:289–300. doi: 10.1111/j.2517-6161.1995.tb02031.x23.

Korotkevich G, Sukhov V, Budin N, Shpak B, Artyomov MN, Sergushichev A. Fast gene set enrichment analysis. bioRxiv. Preprint posted online February 1, 2021. doi: 10.1101/06001224.

Caselli E, Fabbri C, D’Accolti M, Soffritti I, Bassi C, Mazzacane S, Franchi M. Defining the oral microbiome by whole-genome sequencing and resistome analysis: the complexity of the healthy picture. BMC Microbiol. 2020;20:120. doi: 10.1186/s12866-020-01801-y25.

Liu S, Zhao W, Liu X, Cheng L. Metagenomic analysis of the gut microbiome in atherosclerosis patients identify cross-cohort microbial signatures and potential therapeutic target. FASEB J. 2020;34:14166–14181. doi: 10.1096/fj.202000622R26.

Doern CD, Burnham CA. It’s not easy being green: the viridans group streptococci, with a focus on pediatric clinical manifestations. J Clin Microbiol. 2010;48:3829–3835. doi: 10.1128/JCM.01563-127.

Lockhart PB, Brennan MT, Sasser HC, Fox PC, Paster BJ, Bahrani-Mougeot FK. Bacteremia associated with toothbrushing and dental extraction. Circulation. 2008;117:3118–3125. doi: 10.1161/CIRCULATIONAHA.107.75852428.

Viehman, JA, Smith, BJ, Nanjappa, S, Li, SK, Perez, CO, Fernandes, CR. Microbiology of endocarditis. In: Kilic, A, ed. Infective Endocarditis. Academic Press; 2022:43–59.29.

Lanter BB, Davies DG. Propionibacterium acnes recovered from atherosclerotic human carotid arteries undergoes biofilm dispersion and releases lipolytic and proteolytic enzymes in response to norepinephrine challenge In vitro. Infect Immun. 2015;83:3960–3971. doi: 10.1128/IAI.00510-1530.

Nagata E, de Toledo A, Oho T. Invasion of human aortic endothelial cells by oral viridans group streptococci and induction of inflammatory cytokine production. Mol Oral Microbiol. 2011;26:78–88. doi: 10.1111/j.2041-1014.2010.00597.x31.

Hashizume-Takizawa T, Yamaguchi Y, Kobayashi R, Shinozaki-Kuwahara N, Saito M, Kurita-Ochiai T. Oral challenge with Streptococcus sanguinis induces aortic inflammation and accelerates atherosclerosis in spontaneously hyperlipidemic mice. Biochem Biophys Res Commun. 2019;520:507–513. doi:

Kesavalu L, Lucas AR, Verma RK, Liu L, Dai E, Sampson E, Progulske-Fox A. Increased atherogenesis during Streptococcus mutans infection in ApoE-null mice. J Dent Res. 2012;91:255–260. doi: 10.1177/002203451143510133.

Xue H, Chen X, Yu C, Deng Y, Zhang Y, Chen S, Chen X, Chen K, Yang Y, Ling W. Gut microbially produced indole-3-propionic acid inhibits atherosclerosis by promoting reverse cholesterol transport and its deficiency is causally related to atherosclerotic cardiovascular disease. Circ Res. 2022;131:404–420. doi: 10.1161/CIRCRESAHA.122.32125334.

Koh A, Molinaro A, Ståhlman M, Khan MT, Schmidt C, Mannerås-Holm L, Wu H, Carreras A, Jeong H, Olofsson LE, et al. Microbially produced imidazole propionate impairs insulin signaling through mTORC1. Cell. 2018;175:947–961.e17. doi: 10.1016/j.cell.2018.09.05535.

Björne HH, Petersson J, Phillipson M, Weitzberg E, Holm L, Lundberg JO. Nitrite in saliva increases gastric mucosal blood flow and mucus thickness. J Clin Invest. 2004;113:106–114. doi: 10.1172/jci1901936.

Cosby K, Partovi KS, Crawford JH, Patel RP, Reiter CD, Martyr S, Yang BK, Waclawiw MA, Zalos G, Xu X, et al. Nitrite reduction to nitric oxide by deoxyhemoglobin vasodilates the human circulation. Nat Med. 2003;9:1498–1505. doi: 10.1038/nm95437.

Shiva S, Huang Z, Grubina R, Sun J, Ringwood LA, MacArthur PH, Xu X, Murphy E, Darley-Usmar VM, Gladwin MT. Deoxymyoglobin is a nitrite reductase that generates nitric oxide and regulates mitochondrial respiration. Circ Res. 2007;100:654–661. doi: 10.1161/01.RES.0000260171.52224.6b

Christensen SE, Möller E, Bonn SE, Ploner A, Wright A, Sjölander A, Bälter O, Lissner L, Bälter K. Two new meal- and web-based interactive food frequency questionnaires: validation of energy and macronutrient intake. J Med Internet Res. 2013;15:e109. doi: 10.2196/jmir.245839.

Silness J, Löe H. Periodontal disease in pregnancy: II: correlation between oral hygiene and periodontal condition. Acta Odontol Scand. 1964;22:121–135. doi: 10.3109/0001635640899396840.

Langmead B, Salzberg SL. Fast gapped-read alignment with Bowtie 2. Nat Methods. 2012;9:357–359. doi: 10.1038/nmeth.192341.

Pasolli E, Asnicar F, Manara S, Zolfo M, Karcher N, Armanini F, Beghini F, Manghi P, Tett A, Ghensi P, et al. Extensive unexplored human microbiome diversity revealed by over 150,000 genomes from metagenomes spanning age, geography, and lifestyle. Cell. 2019;176:649–662.e20. doi: 10.1016/j.cell.2019.01.00142.

Li D, Luo R, Liu CM, Leung CM, Ting HF, Sadakane K, Yamashita H, Lam TW. MEGAHIT v1.0: a fast and scalable metagenome assembler driven by advanced methodologies and community practices. Methods. 2016;102:3–11. doi: 10.1016/j.ymeth.2016.02.02043.

Steinegger M, Söding J. Clustering huge protein sequence sets in linear time. Nat Commun. 2018;9:2542. doi: 10.1038/s41467-018-04964-544.

Huerta-Cepas J, Szklarczyk D, Heller D, Hernández-Plaza A, Forslund SK, Cook H, Mende DR, Letunic I, Rattei T, Jensen LJ, et al. eggNOG 5.0: a hierarchical, functionally and phylogenetically annotated orthology resource based on 5090 organisms and 2502 viruses. Nucleic Acids Res. 2019;47:D309–D314. doi: 10.1093/nar/gky108545.

Cantalapiedra CP, Hernández-Plaza A, Letunic I, Bork P, Huerta-Cepas J. eggNOG-mapper v2: functional annotation, orthology assignments, and domain prediction at the metagenomic scale. Mol Biol Evol. 2021;38:5825–5829. doi: 10.1093/molbev/msab293