Un essai non randomisé étudiant l'impact de la consommation de riz brun sur le microbiote intestinal, l'attention et la mémoire de travail à court terme chez les enfants thaïlandais d'âge scolaire, partie 2

2.4. Analyse quantitative du microbiote fécal

Des échantillons fécaux ont été collectés chez les enfants au départ, aux semaines 4, 15, 56 et 61 et à la semaine 71 dans des récipients stérilisés et ont été immédiatement congelés à −80 ◦C. L'extraction de l'ADN microbien et la mesure quantitative de l'abondance absolue du microbiote fécal ont été réalisées comme décrit précédemment (29).

La relation entre les mesures quantitatives et la mémoire est un sujet qui mérite d’être étudié. Pour de nombreux problèmes de la vie, les problèmes de mémoire sont souvent ceux qui dérangent les gens, comme l'incapacité de se souvenir de choses importantes, l'oubli des heures de rendez-vous, etc. À l'heure actuelle, les méthodes de mesure quantitative peuvent nous aider à comprendre la situation de la mémoire et à apporter des améliorations ciblées. .

Les méthodes de mesure quantitative peuvent quantifier la mémoire des personnes par des moyens scientifiques. Sur cette base, des méthodes spécifiques et efficaces sont proposées pour entraîner la mémoire. Dans la vie quotidienne, nous pouvons également utiliser des méthodes simples pour entraîner la mémoire, comme la mémorisation de mots, de poésie, etc. Ce sont autant de moyens efficaces pour développer une bonne mémoire.

En même temps, nous pouvons également améliorer la mémoire dans tous les aspects de la vie. Par exemple, si nous voulons mémoriser un nouveau mot de vocabulaire, nous pouvons le lire plusieurs fois, l'écrire plusieurs fois ou l'associer à sa signification, afin que la mémoire soit plus profonde.

À l’ère de l’explosion de l’information, nous nous sentons souvent dépassés par l’information. Bien souvent, nous devons nous souvenir de beaucoup de choses, mais nous ne savons pas comment gérer ces informations. À l'heure actuelle, nous pouvons utiliser des méthodes de mesure quantitatives pour déterminer l'état de notre mémoire, puis nous entraîner et nous améliorer en fonction de situations spécifiques. Grâce à des méthodes de mémoire raisonnables, nous pouvons améliorer efficacement notre mémoire et offrir plus de commodité dans notre vie et notre travail.

Bref, la relation entre mesure quantitative et mémoire est indissociable. Nous devons utiliser des méthodes scientifiques pour découvrir nos conditions de mémoire, puis mener un entraînement efficace basé sur des situations spécifiques. Je crois que tant que nous nous entraînerons sans relâche, nous pourrons renforcer notre mémoire et améliorer notre qualité de vie. On voit que nous devons améliorer la mémoire, et Cistanche deserticola peut améliorer considérablement la mémoire, car Cistanche deserticola peut également réguler l'équilibre des neurotransmetteurs, comme en augmentant les niveaux d'acétylcholine et de facteurs de croissance. Ces substances sont très importantes pour la mémoire et l'apprentissage. En outre, la viande peut également améliorer la circulation sanguine et favoriser l'apport d'oxygène, ce qui peut garantir que le cerveau reçoive suffisamment de nutriments et d'énergie, améliorant ainsi sa vitalité et son endurance.

Cliquez sur connaître les suppléments pour stimuler la mémoire

En bref, l'ADN génomique microbien a été extrait d'échantillons fécaux à l'aide du kit d'ADN de selles innuPREP (Analytik Jena Biometra, Jena, Allemagne), et la concentration et la pureté de l'ADN ont été déterminées à l'aide de la plaque Take 3Micro-Volume (Biotek, Winooski, VT, USA).

L'abondance absolue des gènes d'ARNr du microbiote 16 a ensuite été quantifiée par qPCR à l'aide des thermocycleurs en temps réel CFX96 TouchTM (Bio-Rad, Singapour) sur la base des amorces spécifiques présentées dans le tableau S1.

Les conditions de qPCR et les estimations du nombre de copies du microbiote ont été réalisées selon le protocole précédent (37). Le Log10 du nombre de copies d'ARNr 16S par gramme de matières fécales humides est présenté dans nos données supplémentaires.

2.5. Analyses statistiques

La distribution des données a été examinée à l'aide du test de Shapiro-Wilk et du test de Levene (package de statistiques version 4.0.3). Le package R ggplot2 a été utilisé pour la visualisation des données [38]. La correction de la valeur p de Benjamin-Hochberg (BH) a été appliquée pour la correction de tests multiples (valeur q). La signification a été déterminée à q < 0.05. Toutes les analyses statistiques ont été effectuées dans la version 4.0.3 du logiciel R [39].

Les différences dans les abondances absolues moyennes du microbiote intestinal entre les groupes d'intervention pour chaque instant ont été déterminées par le test t ou le test de somme des rangs de Wilcoxon en fonction de la normalité de la distribution des données.

Les modifications du microbiote intestinal entre les moments de chaque phase (au sein des sujets) ont été évaluées à l'aide de tests t par paires ou de tests de classement signés de Wilcoxon suite à des résultats significatifs de l'ANOVA à mesures répétées unidirectionnelles ou du test de Friedman (p < 0,05. ). Les changements dans l’abondance absolue du microbiote intestinal entre les semaines ont été exprimés sous forme de changements de pli transformés en log2 (Log2FC).

Les relations entre l'abondance absolue du microbiote intestinal et l'âge des enfants d'âge scolaire ont été déterminées à l'aide du coefficient de corrélation de rang de Pearson ou de Spearman.

L'association entre le microbiote intestinal et l'intervention à chaque instant, en tenant compte des variables démographiques (âge, sexe, score z de l'IMC, mode d'accouchement, acte de naissance et origine ethnique), a été évaluée par analyse de variance multivariée permutationnelle (PERMANOVA) à l'aide de la fonction Adonis. . Pour étudier l'effet de l'intervention au cours des semaines de chaque phase, PERMANOVA a été menée en utilisant les participants comme strates et en ajustant les covariables. La condition d'homogénéité basée sur la distance euclidienne a été mesurée à l'aide de la fonction bétadine.

La permutation a été effectuée en 999 dans le package R vegan(2.6-2) [40]. Nous avons en outre déterminé l'impact de l'intervention sur le microbiote intestinal à l'aide d'une analyse de redondance (RDA) tout en ajustant les covariables.

Les traitements ont été utilisés comme variables explicatives contraintes, et les abondances absolues du microbiote intestinal ont été utilisées comme variables de réponse. L'importance des contraintes a été évaluée à l'aide d'un test de permutation de type ANOVA (permutation=999). Une sélection pas à pas de variables explicatives a été réalisée à l'aide de la fonction échelonnée basée sur les critères AIC.

Les résultats cognitifs entre les groupes d'intervention pour chaque semaine ont été comparés à l'aide du test t de Welch à deux échantillons ou du test de somme des rangs de Wilcoxon. Une différence de performance cognitive au fil des semaines de chaque phase (au sein des sujets) a été déterminée à l'aide du test de rang signé de Wilcoxon suite aux résultats significatifs du test de Friedman (p < 0,05).

Nous avons utilisé RDA pour déterminer l'effet de l'intervention sur les performances cognitives des enfants d'âge scolaire tout en ajustant l'âge et le sexe. L’effet des points temporels sur l’abondance du microbiote intestinal a également été évalué par RDA en utilisant les participants comme strates.

La condition RDA s’est déroulée comme décrit ci-dessus. Pour déterminer la relation entre les performances cognitives et le microbiote intestinal, nous avons utilisé le coefficient de corrélation de Spearman.

Une analyse factorielle multiple (AMF) a été réalisée pour explorer les variations du microbiote intestinal qui pourraient être expliquées par les variables d'intervention et d'hôte (âge et sexe) à l'aide de FactoMine R version 2.4 [41] et par visualisation avec Factoextra version 1.0. 7 [42].

3. Résultats

3.1. Caractéristiques des enfants d’âge scolaire

Après contrôle de la qualité des données (Figure 1), nous avons analysé les 85 et 57 enfants restants respectivement dans les phases I et II. Au départ, les enfants étaient en moyenne âgés de 7,02 et 10,52 ans pour les groupes WR et SLR, respectivement.

Les caractéristiques de base des groupes de contrôle et d'intervention étaient significativement différentes pour l'âge (p < {{0}}.0001), le poids (p < 0,0001), la taille (p < 0,0001), l'IMC z- score (p=0,03) et type d'alimentation (p=0,02) (tableau S2).
Une tendance similaire a également été observée à tous les moments de l'étude, à l'exception de l'IMC, qui n'était pas significativement différent entre les groupes à la semaine 71 (Tableaux S3 à S7).

3.2. Effet de l'intervention sur le riz Sinlek sur le microbiote intestinal des enfants d'âge scolaire

Compte tenu de chacun des moments, il n'y avait aucune différence significative dans l'abondance absolue du microbiote intestinal entre les groupes de contrôle (WR) et d'intervention Sinlek (SLR) au cours de la première phase d'intervention (phase I ; référence, semaine 4 et semaine 15). ).

Des comparaisons multivariées utilisant PERMANOVA (par marge) ont également montré que l'intervention de la phase I n'avait aucun effet significatif sur les modifications du microbiote intestinal après ajustement aux variables démographiques (fichier supplémentaire S1).

Nous avons en outre déterminé une association entre l'abondance du microbiote intestinal et l'âge et avons constaté que Lactobacillus était négativement corrélé à l'âge au départ (corrélation de Pearson ; R {{0}} −0.24, p {{ 3}}.026) et semaine 4 (corrélation de Pearson ; R=−0,3, p=0,002) (Figure 2b, d). Pour la deuxième phase d'intervention (Phase II), des changements dans les abondances microbiennes ont cependant été marqués aux semaines 61 et 71. Les abondances de bactéries totales (q=0,032) et de Firmicutes (q=0,032 ) ont été significativement augmentés, alors que le niveau de gammaprotéobactéries (q <0,0001) a été significativement diminué après l'intervention SLR à la semaine 61 (Figure 2e – g).

Ces bactéries étaient également associées de manière significative à l'âge, où l'abondance des bactéries totales (corrélation de Pearson ; R {{0}} −0.32, p=0.0 15) et Firmicutes (corrélation de Pearson ; R=−0,32, p=0,014, figure 2h) diminuaient à mesure que l'âge augmentait, tandis que l'abondance absolue des gammaprotéobactéries était positivement corrélée à l'âge (corrélation de Pearson ; R { {11}}.62, p <0,0001, figure 2i).

À la semaine 71, le niveau de Bacteroidetes était significativement réduit dans le groupe SLR (q < 0.0001)(Figure 2j), et son abondance était positivement corrélée à l'âge (corrélation de rang de Spearman ; R { {4}}.57, p <0,0001, figure 2l).

Compte tenu des changements dans l'abondance du microbiote intestinal au fil des semaines (au sein des sujets) des groupes témoin et d'intervention, nous avons observé des tendances similaires dans les deux groupes de participants. Les gammaprotéobactéries semblaient fortement fluctuer après l'intervention : leur abondance était significativement diminuée aux semaines 4 et 61 (Figures 3a, b, S1c et S2c, dossier supplémentaire S2).

Les niveaux de ces bactéries semblaient toutefois rebondir à la fin de chaque phase (semaine 15 et semaine 71). De plus, l'abondance de Bacteroidetes pour le groupe SLR était inférieure à la semaine 71 par rapport aux semaines 56 et 61 (figures 3a et S2e). Une diminution progressive des abondances de deux taxons microbiens, à savoir Ruminococcus et Bacteroides, a également été observée au cours de la phase II, leurs abondances étant les plus faibles à la fin de l'essai (semaine 71) (figures 3b et S2f, g), quelle que soit l'intervention.

En outre, nous avons évalué s'il existait des différences dans l'abondance du microbiote intestinal entre les traitements et au fil des semaines en utilisant les participants comme strates. PERMANOVA a indiqué que la présence du traitement et/ou le moment de l'essai (semaine) au cours des deux phases avaient des effets marginaux significatifs sur la abondance du microbiote intestinal (p < 0,05).

Les dispersions (variances) entre les groupes et un modèle tenant compte des variables démographiques statistiquement significatives sont résumées dans le fichier supplémentaire S3. Nous avons ensuite exploré la force de l'association et la variation du microbiote intestinal expliquées par l'intervention utilisant la RDA. Des différences significatives n’ont été constatées qu’au cours de la phase II.

L'abondance de gammaprotéobactéries était plus enrichie dans le groupe témoin (WR) que dans le groupe SLR, tandis que des bactéries totales plus élevées, Firmicutes et Bacteroidetes étaient associées à l'intervention SLR à la semaine 61 (RDA1 expliquait 30,58 % de la variance totale, R2adj {{5} }.29,p=0.001, figure 3c). Pour la semaine 71, l'abondance de Bacteroidetes était plus élevée dans le groupe témoin que dans le groupe SLR (RDA1 expliquait 8,18 % de la variance totale, R2adj=0,06, p=0,005, figure 3d) .

Nous avons ensuite procédé à une sélection par étapes de variables explicatives (variables d'intervention et démographiques) basées sur l'AIC. Le modèle a révélé que seule l'intervention expliquait de manière significative les variations des profils du microbiote intestinal des enfants d'âge scolaire (q=0,035).

3.3. Performance cognitive entre les groupes de contrôle et d'intervention

Au cours de la phase I, nous avons constaté des différences significatives entre les groupes témoin et d'intervention en ce qui concerne les résultats cognitifs. Le groupe SLR a montré des scores significativement plus élevés au test de Corsi block-tapping (appelé MMG, jeu de correspondance de mémoire) et des performances globales (OVP) au test de vigilance psychomotrice (PVT-B), tandis que les temps de réaction (RT) et les écarts étaient inférieurs à ceux du groupe témoin. groupe (figure 4).

Au cours de la phase II, les modèles de performances cognitives sont restés inchangés. Nous avons également comparé les performances cognitives (au sein des sujets) au fil des semaines de chaque phase et avons constaté que le groupe témoin (phase I) avait de meilleurs résultats en matière d'échecs à la semaine 15 par rapport à la période de référence et à la semaine 4 (q = 0,02) (Figure S3). La RT était plus élevée à la semaine 15 qu'à la semaine 4 (q=0,008), alors qu'aucune différence significative en termes de MMG ou d'OVP n'a été détectée. MMG était le seul résultat cognitif significativement plus élevé pour le groupe SLR (phase I) à la semaine 15 par rapport à la ligne de base (q=0,003) et à la semaine 4 (q=0,03) (Figure S4). .

Au cours de la phase II, il n'y a eu aucune différence significative au fil des semaines dans aucune des mesures de performance cognitive dans les groupes témoin ou SLR. De plus, l'âge et le sexe ont également été inclus dans la RDA, et les résultats n'ont montré aucun effet d'intervention sur les performances cognitives des enfants. dans l'un ou l'autre groupe à n'importe quel moment au cours des 71 semaines de l'essai.

Cependant, l'âge décrit de manière significative la variation des résultats cognitifs au départ (p=0,008), à la semaine 4 (p=0,005) et à la semaine 15 (p=0 0,028) (Figure 5), pour lequel l'âge était positivement corrélé avec MMG et OVP. Aucun effet significatif causé par l'intervention, l'âge ou le sexe sur les performances cognitives n'a été observé à la semaine 56, à la semaine 61 ou à la semaine 71.

Lors de l'examen des profils cognitifs au cours des semaines de chaque traitement dans chaque phase, la semaine (p=0,001) et le sexe (p=0,001) décrivaient de manière significative les variations des performances cognitives du groupe témoin (phase I). , pour lequel le sexe féminin et la semaine 15 étaient positivement corrélés avec MMG et OVP (Figure S5a).

Les enfants ont obtenu de meilleurs résultats au MMG à la semaine 15 dans le groupe SLR (Phase I), tandis que le sexe féminin était positivement corrélé aux échecs et à la RT (Figure S5b). L'effet du traitement ajusté en fonction de l'âge et du sexe a également été évalué pour chaque phase tout en contrôlant pour la semaine (points temporels). La RDA a montré que l'âge avait une forte relation avec l'OVP et la MMG en phase I (Figure S6a), alors que, en phase II, les performances en matière de RT et d'échecs étaient pires dans le groupe SLR que dans le groupe témoin (Figure S6b).
Dans l'ensemble, l'âge et les moments étaient davantage associés aux performances cognitives des enfants d'âge scolaire que l'intervention, et l'effet de l'intervention n'a été observé qu'en limitant les échantillons au cours de chaque semaine de la phase II après ajustement en fonction de l'âge et du sexe.

3.4. Association entre le microbiote intestinal et les performances cognitives des enfants d'âge scolaire

Nous avons trouvé de faibles corrélations entre le microbiote intestinal et les résultats cognitifs à tous les moments de l'intervention, sur la base des coefficients de corrélation de Spearman. Plusieurs associations étaient significatives (p < {{0}},05), mais une seule association, détectée à la semaine 4 pour le groupe SLR (Roseburia vs. Lapses, rho=−0,40, q {{6 }}.04), est resté significatif après ajustement pour des comparaisons multiples (Figure S7).

Quelques associations presque significatives ont été trouvées au cours de la semaine 56 et de la semaine 71. Les associations identifiées dans le groupe SLR à la semaine 56 incluaient Faecalibacterium – RT (rho=0.62, q=0.07. ), Prevotella–OVP (rho=−0.55, q {{10}}.08), Gammaprotéobactéries–OVP (rho=−0,58, q=0.07) et Faecalibacterium – OVP (rho=−0,64, q=0.05). À la semaine 71, Faecalibacterium était positivement corrélé à la RT dans le groupe témoin (rho=0,62, q=0,07).

En tenant compte de l'âge et du sexe, une analyse plus approfondie de l'association entre le microbiote intestinal et les performances cognitives à chaque instant a été réalisée à l'aide d'un MFA pour révéler les variations entre les profils individuels des groupes de traitement (fichier supplémentaire S4).

Bien que la variation individuelle ait été expliquée par l'abondance du microbiote intestinal dans Dim 1 des deux phases (p < 0.0001), une forte séparation entre les groupes témoin et SLR a été notée dans Dim. 2 (figures 6 et 7). Le profil de contraste entre ces deux groupes était influencé par l'âge et l'OVP, qui étaient positivement corrélés à Dim 2 (p < 0,0001), alors que la RT et les écarts étaient négativement corrélés (p < 0,0001).

Cependant, les gammaprotéobactéries étaient les plus influentes dans la description de la variation individuelle dans cette dimension à la semaine 61 (p < 0.0001). Le niveau de cette bactérie était plus faible dans le groupe SLR (coordonnée=−1,35, p < 0,0001).

Malgré des tailles d'échantillon inégales, le MFA a indiqué que la différence dans les profils des enfants d'âge scolaire dans cet essai clinique non randomisé était plus influencée par l'âge et les performances cognitives que par le microbiote intestinal, ce qui suggère une moindre contribution de l'intervention à la variation individuelle dans cette étude.

4. Discussion

Notre étude n'a observé aucun changement significatif dans l'abondance absolue du microbiote intestinal après la première phase de l'intervention sur le riz Sinlek chez les enfants d'âge scolaire. Des différences significatives entre les groupes ont toutefois été notées au cours de la phase II (semaines 61 et 71) pour les bactéries totales, Firmicutes, Bacteroidetes et Gammaproteobacteria.

Nous avons également observé des différences significatives dans les performances cognitives entre le groupe témoin et le groupe d'intervention dans les deux phases. Nous n’avons trouvé à aucun moment de forte corrélation entre le microbiote intestinal et les performances cognitives.

Des analyses plus approfondies suggèrent que, dans cette cohorte, l'intervention sur le riz Sinlek n'a pas contribué aux variations du microbiote intestinal et des profils cognitifs des enfants d'âge scolaire, car les résultats étaient principalement influencés par l'âge.

For more information:1950477648nn@gmail.com