Разработка методов идентификации метагеномных сигнатур для изучения композиции генов нейроактивных соединений микробиоты кишечника детей с расстройством аутистического спектра тема диссертации и автореферата по ВАК РФ 03.01.09, кандидат наук Ковтун Алексей Сергеевич

  • Ковтун Алексей Сергеевич
  • кандидат науккандидат наук
  • 2020, ФГАОУ ВО «Московский физико-технический институт (национальный исследовательский университет)»
  • Специальность ВАК РФ03.01.09
  • Количество страниц 118
Ковтун Алексей Сергеевич. Разработка методов идентификации метагеномных сигнатур для изучения композиции генов нейроактивных соединений микробиоты кишечника детей с расстройством аутистического спектра: дис. кандидат наук: 03.01.09 - Математическая биология, биоинформатика. ФГАОУ ВО «Московский физико-технический институт (национальный исследовательский университет)». 2020. 118 с.

Оглавление диссертации кандидат наук Ковтун Алексей Сергеевич

Введение

1. Литературный обзор

1.1. Современное представление о микробиоте кишечника человека

1.1.1. Таксономическое разнообразие микробиоты кишечника человека

1.1.2. Микробиота ЖКТ - виртуальный эндокринный орган, определяющий связь с центральной нервной системой

1.1.3. Иммуномодулирующий потенциал микробиоты кишечника

1.1.4. Нейромодулирующий потенциал микробиоты кишечника

1.2. Роль микробиоты кишечника при психических расстройствах человека

1.2.1. Микробиота кишечника при расстройствах аутистического спектра у детей

1.3. Современные подходы к биоинформатическому анализу метагенома

1.3.1. Секвенирование как основа метагеномного анализа

1.3.2. Первичная обработка данных секвенирования для проведения метагеномного анализа

1.3.3. Проведение таксономического анализа микробиоты

1.3.4. Функциональная аннотация метагенома

1.3.5. Особенности статистического анализа при проведении метагеномного исследования

1.3.6. Международные базы данных микробиоты человека

2. Материалы и методы

2.1. Создание каталога аминокислотных последовательностей

2.2. Разработка алгоритма для построения метагеномных сигнатур

2.3. Тестирование алгоритма определения метагеномных сигнатур

2.4. Составление когорты и отбор проб для проведения исследования микробиоты кишечника детей с РАС

2.5. Выделение ДНК и секвенирование

2.6. Первичная обработка метагеномных чтений

2.7. Определение бактериального состава и сравнительный таксономический анализ

2.8. Сравнительный анализ метагеномных сигнатур

3. Результаты

3.1. Создание каталога аминокислотных последовательностей

3.2. Тестирование алгоритма определения метагеномных сигнатур. Синтетический метагеном

3.3. Тестирование алгоритма определения метагеномных сигнатур на выборке 147 метагеномов

3.4. Оценка результатов секвенирования образцов микробиоты кишечника

3.5. Сравнительный таксономический анализ микробиоты кишечника

3.6. Сравнительный анализ представленности гомологов в метагеномах детей с РАС и контрольной группы

3.7. Нейрометаболическая сигнатура метагенома микробиоты кишечника детей с РАС

4. Обсуждение

Заключение

Выводы

Список сокращений

Благодарности

Список литературы

Приложения

Приложение 1. Список 346 геномов бактерий микробиоты кишечника человека (база данных Human Microbiome Project), использованных для создания синтетического метагенома

Приложение 2. Список 147 метагеномов микробиоты кишечника человека (база данных Human Microbiome Project)

Приложение 3. Характеристика 57 секвенированных метагеномов микробиоты кишечника детей с РАС (группа «AC») и нейротипичных детей (группа «HC»). Метагеномы доступны в базе данных NCBI, BioProject ID: PRJNA516054

Приложение 4. Описание каталога аминокислотных последовательностей генов, кодирующих ферменты, участвующие в образовании и распаде нейроактивных соединений и биомаркеров РАС

Приложение 5. Распределение гомологов генов, кодирующих 15 ферментов, обнаруженных в синтетическом метагеноме

Приложение 6. Распределение гомологов генов, кодирующих 15 ферментов, обнаруженных в 147 метагеномах микробиоты кишечника человека

Введение

Рекомендованный список диссертаций по специальности «Математическая биология, биоинформатика», 03.01.09 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка методов идентификации метагеномных сигнатур для изучения композиции генов нейроактивных соединений микробиоты кишечника детей с расстройством аутистического спектра»

Актуальность работы

Микробиота кишечника человека представляет собой совокупность микроорганизмов, находящихся в симбиотической связи между собой и организмом-хозяином. Формирование микробиоты начинается с момента рождения и зависит от множества факторов, таких как срок и способ рождения, способ вскармливания ребенка и т.д. [1]. В норме биоразнообразие кишечной микробиоты взрослого человека велико и исчисляется сотнями видов различных микроорганизмов [2]. Хотя преобладание в норме бактерий типов Bacteroidetes, Firmicutes, Actinobacteria, Proteobacteria, Fusobacteria и Verrucomicrobia является общей характерной чертой микробиоты кишечника человека, ее состав различается между индивидами и зависит от питания, состояния здоровья, возраста, географических факторов и т.д. [3] Высокое разнообразие организмов в микробиоте наделяет ее мощным метаболическим потенциалом - совокупный генетический материал микробиоты кишечника, ее метагеном, по последним данным насчитывает более 10 млн. генов [4, 5].

Способность бактерий-комменсалов производить огромное количество активных метаболитов позволяет рассматривать кишечную микробиоту как отдельный виртуальный орган, играющий важную роль во многих процессах жизнедеятельности человека [6]. Показано, что микробиота, помимо участия в пищеварении, выполняет иммуномодулирующую функцию, а также принимает участие в развитии и функционировании различных систем органов, включая нервную систему. Влияние микробиоты кишечника на центральную нервную систему (ЦНС) реализуется через воздействие секретируемых ею низкомолекулярных метаболитов на блуждающий нерв и на энтерохромаффинные эпителиальные клетки кишечника, индуцируя высвобождение нейромедиаторов, обеспечивающих нейропередачу [7]. У ряда представителей кишечной микробиоты человека была выявлена способность к синтезу различных нейроактивных соединений, в том числе нейромедиаторов [8]. Данное важное свойство микробиоты дает ей возможность не только оказывать воздействие на поведение, настроение, стресс, но также и делает ее одним из ключевых факторов формирования и развития нервной системы и мозга у детей [9, 10]. Нарушения состава бактериального сообщества в кишечнике, особенно в первые годы жизни ребенка, могут оказывать негативное влияние как на энтеральную, так и на центральную нервную систему. Таким образом, дисбаланс кишечной микрофлоры может сопровождать развитие психических расстройств, в том числе и расстройств аутистического спектра (РАС).

РАС - гетерогенная группа системных патологических изменений, имеющих ряд схожих основных невропатологических симптомов комплексных нарушений [11, 12]. Данное заболевание может начать развиваться у детей в раннем возрасте, около трех лет. Основными его проявлениями являются расстройство социального взаимодействия, нарушения в коммуникации, поведение, характеризующееся склонностью к повторяющемуся выполнению определенных действий, нарушения когнитивного развития в раннем детстве. В ряде исследований у пациентов с РАС было продемонстрировано коррелирующее с заболеванием изменение в крови, моче и стуле концентраций различных активных соединений. Среди них нейромедиаторы, такие как ГАМК [13], серотонин [14], мелатонин [15], а также р-крезол [16], пропионовая кислота [17], триптофан [13] и др. Примечательно, что соединения, изменения концентрации который коррелируют с РАС, могут синтезироваться бактериями микробиоты кишечника человека. В то же время, у пациентов с РАС наблюдаются изменения в таксономическом составе кишечной микрофлоры [13]. Применение антибиотиков пациентами с РАС приводило к улучшению их поведения и привычек питания, стимулировало любопытство к окружающей среде, нормализовало их эмоциональное состояние [18, 19]. Все это подчеркивает важность изучения микробиоты кишечника, как одного из факторов развития РАС у детей.

Развитие технологий высокопроизводительного секвенирования дало толчок стремительному росту числа метагеномных исследований. Их основной целью является как изучение бактериального состава микробиоты, так и определение присутствующих в ней метаболических путей и генов для описания ее функциональных характеристик [20]. Подавляющее большинство исследований базируется на секвенировании генов, кодирующих 16Б рРНК, однако для проведения функционального анализа необходимо секвенировать весь генетический материал микробиоты - полный метагеном [21]. При сравнительном метагеномном анализе для определения изменений параметров микробиоты в изучаемой группе по сравнению с контрольной группой таксономическая и функциональная характеристика обычно проводятся независимо друг от друга [20]. Однако для лучшего понимания функциональных свойств микробиоты необходимо знать не только о представленности различных бактериальных генов в метагеноме, но и о том, в геномах каких бактерий они содержатся. Использование совокупности двух параметров (бактерия; ген), называемой метагеномной сигнатурой, для проведения метагеномного исследования позволяет наиболее полно охарактеризовать метаболический потенциал микробиоты [22, 23].

На данный момент основная часть метагеномных исследований, нацеленных на изучение микробиоты кишечника детей с РАС, основаны на анализе данных 16Б рРНК [24, 25], что позволяет оценить изменения в таксономическом составе, но не дает понимания о нарушениях метаболического потенциала микробиоты. В данной работе с применением метода метагеномных сигнатур проводится исследование функциональных изменений микробиоты кишечника детей с РАС из московского региона с использованием данных полного метагенома.

Цель работы

Определение функциональных изменений метагеномной сигнатуры, связанных с нейромодулирующим потенциалом микробиоты кишечника, у детей с РАС в возрасте от 3 до 5 лет из московского региона в сравнении с контрольной группой здоровых нейротипичных детей.

Задачи работы

Для достижения цели исследования сформулированы следующие задачи:

1. Разработка каталога аминокислотных последовательностей генов, кодирующих ферменты, участвующие в образовании и распаде нейроактивных соединений, а также соединений-биомаркеров РАС.

2. Разработка алгоритма построения метагеномных сигнатур нейроактивных соединений и биомаркеров РАС с использованием каталога, а также определения статистически значимых изменений сигнатуры у пациентов с РАС.

3. Реализация разработанного алгоритма построения метагеномных сигнатур в виде биоинформатического вычислительного конвейера.

4. Применение созданного вычислительного конвейера для анализа микробиоты кишечника пациентов с РАС и контрольной группы нейротипичных детей.

5. Выявление генов-биомаркеров микробиоты кишечника, коррелирующих с РАС, и их бактериального происхождения.

Научная новизна

1. Разработан уникальный метод анализа метагенома, основанный на построении метагеномных сигнатур, позволяющий оценить функциональные изменения в микробиоте. В частности, в данной работе при помощи метода метагеномных сигнатур проведена оценка нейромодулирующего потенциала микробиоты кишечника человека.

2. Проведенное исследование микробиоты кишечника детей с РАС - одно из первых, в котором для анализа использовались данные секвенирования полного метагенома.

3. Впервые построена метагеномная сигнатура, отражающая функциональные изменения микробиоты кишечника у детей с РАС из московского региона.

Теоретическая и практическая значимость

На данный момент при анализе метагенома его функциональная аннотация, поиск генов и метаболических путей, наиболее часто проводится без привязки к таксономической группе, т.е. изучается содержание генов в метагеноме в целом. Разработанный метод метагеномных сигнатур позволяет оценивать представленность генов внутри таксономических групп, что дает возможность получить более полною функциональную характеристику микробиоты. В совокупности с разработанным каталогом аминокислотных последовательностей генов, кодирующих ферменты, участвующие в синтезе и метаболизме нейроактивных соединений у бактерий, использование метода метагеномных сигнатур позволило провести оценку нейромодулирующего потенциала микробиоты кишечника человека в норме. Дополнение каталога последовательностями генов, кодирующих ферменты, необходимые для образования соединений, описанных в литературе как биомаркеры аутизма, позволило выделить, представленность каких генов и у каких бактерий значимо отличается в микробиоте кишечника детей с РАС. Из данного результата следует также практическая значимость настоящей работы. Разработанный метод метагеномных сигнатур и, в частности, полученная метагеномная сигнатура микробиоты кишечника пациентов с РАС, могут быть использованы для создания диагностикумов для оценки состояния микробиоты кишечника. Знание о взаимосвязанных изменениях в таксономическом и генном составе метагенома может стать важным шагом на пути к созданию методов коррекции кишечной микробиоты пациентов с различными психическими расстройствами, в том числе РАС.

Методология и методы исследования

Метод метагеномных сигнатур, позволяющий охарактеризовать микробиоту по совокупности параметров - таксономическим (род, вид бактерии) и функциональным (ген) единицам - является ключевым в настоящей работе. В алгоритме построения сигнатур используются методы локального выравнивания, таксономического профилирования и картирования. Помимо этого, в исследовании применяются методы сборки чтений при помощи графов де Брейна (англ. «De Bruijn graph»). Для оценки альфа-разнообразия применяется индекс Шеннона, бета-разнообразие оценивается с использованием матрицы Брея-Кертиса. Для проведения статистического анализа выбран ранговый критерий

Уилкоксона-Манна-Уитни и поправка на множественное сравнение методом перестановок

с уровнем значимости P < 0.05.

Основные положения, выносимые на защиту

1. Параметры нейромодулирующих и метаболических путей, позволяющих охарактеризовать состояние микробиоты кишечника в норме и при РАС у детей в возрасте 3-5 лет.

2. Каталог аминокислотных последовательностей генов, позволяющий адекватно выявлять отличия в микробиоте кишечника между нейротипичными детьми и детьми с РАС.

3. Комбинация биоинформатических алгоритмов и генетических маркеров, позволяющая с высокой степенью достоверности использовать понятие сигнатуры (таксон; ген) для выявления биомаркеров, характеризующих микробиоту кишечника детей с РАС.

4. Сигнатурные пары (Bacteroides; глутаматдекарбоксилаза), (Bacteroides; метилмалонил-CoA-декарбоксилаза), (Roseburia; серотонин-Ы-ацетилтрансфераза), (Bacteroides vulgatus; фосфотрансацетилаза) и (Parabacteroides distasonis; метилмалонил-СоА-декарбоксилаза) можно рассматривать как биомаркеры, описывающие функциональные изменения микробиоты кишечника при РАС.

Апробация работы

1. Всероссийская научно-практическая конференция по медицинской микробиологии и клинической микологии «XIX Кашкинские чтения». (Санкт-Петербург, Россия, 1416 июня 2016 г.)

2. IHMC 7th International Human Microbiome Consortium Meeting. (Килларни, Ирландия, 26-28 июня 2018 г.)

3. Мультиконференция «Биотехнология — медицине будущего». (Новосибирск, Россия, 29 июня - 2 июля, 2019 г.)

4. International Forum on Clinical Microbiology and Infectious Diseases. (Шанхай, Китай, 18-20 октября 2019 г.)

Публикации по теме диссертации

Статьи, опубликованные в рецензируемых журналах, индексируемых в базах данных

Scopus, Web of science, RSCI:

1. GABA production and structure of gadB/gadC genes in Lactobacillus and Bifidobacterium strains from human microbiota / Yunes R.A., Poluektova E.U., Dyachkova M.S., Klimina

K.M., Kovtun A.S., Averina O.V., Orlova V.S., Danilenko V.N. // Anaerobe. - 2016. -Vol. 42. - P. 197-204. - doi: 10.1016/j.anaerobe.2016.10.011.

2. Identification of aminoglycoside phosphotransferases of clinical bacterial isolates in the microbiota of Russians / Kovtun A.S., Alekseeva M.G., Averina O.V., Danilenko V.N. // Bulletin of Russian State Medical University. - 2017. - Vol. 2. - P. 14-19. - doi: 10.24075/brsmu.2017-02-02.

3. In silico identification of metagenomic signature describing neurometabolic potential of normal human gut microbiota / Kovtun A.S., Averina O.V., Zakharevich N.V., Kasianov A.S., Danilenko V.N. // Russian Journal of Genetics. - 2018. - Vol. 54. - P. 1101-1110. - doi: 10.1134/S1022795418090089.

4. Antibiotic resistance genes in the gut microbiota of children with autistic spectrum disorder as possible predictors of the disease / Kovtun A.S., Averina O.V., Alekseeva M.G., Danilenko V.N. // Microb Drug Resist. - 2020. - doi: 10.1089/mdr.2019.0325.

5. Бактериальные гены биомаркерных метаболитов расстройства аутического спектра в кишечной микробиоте детей раннего возраста: выявление методами количественной ПЦР и in silico анализом / Аверина О.В, Ковтун А.С, Даниленко В.Н. // Генетика. - 2020. - Т. 56. - № 10.

6. The bacterial neurometabolic signature of the gut microbiota of young children with autism spectrum disorders / Averina O.V., Kovtun A.S., Polyakova S.I., Savilova A.M., Rebrikov D.V., Danilenko V.N. // J Med Microbiol. - 2020. - Vol. 69, no. - P. 558-571. - doi: 10.1099/jmm.0.001178.

Тезисы на научных конференциях:

1. Разработка методов анализа метагеномов кишечника человека для идентификации и характеристики композиции генов нейромодуляторов / Ковтун А.С., Захаревич Н.В., Аверина О.В., Даниленко В.Н. // Проблемы медицинской микологии. - 2016. - Т.18 -№ 2. - С. 76.

2. Kovtun A.S., Averina O.V., Zakharevich N.V., Rebrikov D.V., Danilenko V.N. Metagenomic signature of neuromodulatory compounds in human's gut microbiota // IHMC 7th International Human Microbiome Consortium Meeting: Abstract book. Killarney, Ireland. 2018. P. 100.

3. Marsova M.V., Poleuktova E.U., Kovtun A.S., Abilev S.K., Danilenko V.N. Study and use of the antioxidant potential of lactobacilli, inhabitants of the human microbiota // IHMC 7th International Human Microbiome Consortium Meeting: Abstract book. Killarney, Ireland. 2018. P. 205.

4. Kovtun A.S., Averina O.V., Yunes R.A., Polyakova S.I., Rebrikov D.V. In silico method for characterizing metagenomic signatures of gut microbiota in autism // 7th Mediterranean Neuroscience Society Conference MNS 2019: Abstract book. Marrakech, Morocco. 2019. P. 262.

5. Полякова С.И., Коровина Н.Ю., Даниленко В.Н., Аверина О.В., Ковтун А.С., Ефимов Б.А., Селезнева. Аутизм - клинические проявления, микробиота, формирование когорт для мета-анализа // Мультиконференция «Биотехнология — медицине будущего»: Тезисы докладов. Новосибирск, Россия. 2019. С. 109.

6. Ковтун А.С., Аверина О.В., Полякова С.И., Ребриков Д.В., Даниленко В.Н. In silico метод для характеризации метагеномной сигнатуры микробиоты кишечника при аутизме // Мультиконференция «Биотехнология — медицине будущего»: Тезисы докладов. Новосибирск, Россия. 2019. С. 103.

Российские и международные патенты:

1. Способ идентификации в микробиомах и отдельных бактериальных геномах композиции бактериальных генов, участвующих в синтезе и метаболизме различных нейроактивных соединений: заявка 201700159 Евразийский патент / Аверина О.В, Даниленко В.Н, Ковтун А.С.; Патентовладелец Автономная некоммерческая организация «Научно-исследовательский центр биотехнологии антибиотиков и других биологически активных веществ «БИОАН» - № 032051; заявл. 22.03.2017; опубл. 29.03.2019.

Структура и объем диссертации

Диссертация изложена на 118 страницах. Структура работы включает в себя введение, литературный обзор, материалы и методы, результаты, обсуждение, выводы, заключение и приложения. Диссертационная работа содержит 10 таблиц (с учетом приложений) и 16 рисунков. Список литературы содержит 220 наименования.

1. Литературный обзор 1.1. Современное представление о микробиоте кишечника человека

1.1.1. Таксономическое разнообразие микробиоты кишечника человека

Начиная с самого открытия микроорганизмов Левенгуком в 1683 году и по настоящее время, изучение микроорганизмов и бактериальных сообществ является важной частью мировой науки. На протяжении многих лет одной из главных сложностей для проведения научных исследований была необходимость выращивания бактериальных культур. Однако возникновение более совершенствованной технологии секвенирования следующего поколения (англ. «Next Generation Sequencing», NGS) за последние десятилетия позволило совершить огромный скачок в исследованиях генетического материала живых организмов, в том числе и микроорганизмов. Появилось значительное количество работ, целью которых было изучение состава и функциональных свойств сообществ микроорганизмов - микробиоты. Отдельный интерес для изучения представляет микробиота кишечника человека.

Микробиота кишечника человека включает в себя по различным данным 1014-1015 микроорганизмов, находящихся в симбиотической связи друг с другом и организмом человека. С точки зрения таксономии бактерии принято классифицировать по типам, классам, порядкам, семействам, родам и видам. Совокупность генетического материала всех микроорганизмов микробиоты называют метагеномом. Метагеном микробиоты кишечника насчитывает более 10 миллионов генов, участвующих в синтезе тысяч метаболитов, в то время как человеческий геном включает в себя примерно 23 тысячи генов [5, 26]. Такой мощный метаболический потенциал не может не сказываться на организме-хозяине. Неоднократно показано, что бактерии микробиоты кишечника способны оказывать сильное влияние на различные физиологические аспекты организма человека, включая иммунитет, нервную систему и даже поведение [ 10, 27].

Микробиота кишечника человека отличается таксономически и функционально в зависимости от отделов кишечного тракта, обладающих разными физиологическими свойствами: pH и концентрацией O2, скоростью пищеварения (высокая до слепой кишки и медленная после), количеством различных субстратов и секрецией клетками слизистой оболочки кишечника [28]. В тонком кишечнике более сложные условия для образования микробных колоний, учитывая довольно короткое время прохождения (3-5 ч) и высокие концентрации желчи. Толстая кишка, которая характеризуется медленной скоростью

пищеварения и рН, варьирующим от нейтрального до слабокислого, содержит безусловно самое большое микробное сообщество, в котором преобладают анаэробные бактерии [28].

Кишечная микробиота для каждого человека уникальна и зависит от множества различных факторов, в число которых входят возрастные, генетические, этнические, географические, социальные и культурные факторы, определяющие образ жизни и тип питания [3]. Так, например, было показано, что в кишечной микробиоте жителей Китая больше представителей рода Bacteroides, чем у жителей Европы, что может быть связано с различиями в образе жизни, питании, а также применением различных антибиотиков [29]. Преобладание в рационе мясных блюд с повышенным содержанием животных белков, аминокислот и насыщенных жиров также может служить причиной повышенной представленности бактероидов, в то время как высокое потребление углеводов и моносахаридов может приводить к увеличению числа представителей рода Prevotella [30].

Колонизация желудочно-кишечного тракта (ЖКТ) микроорганизмами начинается с момента рождения [1]. Одним из важнейших факторов, определяющих первичный состав микробиоты, является гестационный возраст при рождении ребенка. Так, у недоношенных детей (менее 37 недель) процесс колонизации микроорганизмами усложняется из-за недоразвитости внутренних органов, возможного использования антибиотиков во время пребывания в больнице [31], а также более ранней необходимости приема пищи через рот [32]. Таким образом, преждевременные роды могут сильно сказываться на постнатальном развитии кишечника и формировании иммунитета у детей. Также была показана зависимость состава кишечной микробиоты недоношенных детей от состава грудного молока матери. Так, более высокое содержание лактоферрина в грудном молоке положительно сказывается на развитии кишечной микробиоты, особенно преждевременно рожденных детей [33]. В то же время, у детей, которые вскармливались молоком матерей с мутацией в гене FUT2, «несекреторных» (англ. «non-secretor mothers»), наблюдался повышенное содержание протеобактерий и фирмикутов [34]. С другой стороны, грудное молоко «секреторных матерей» (без мутации в гене FUT2) обладает более высокими протективными свойствами, защищающими недоношенных детей от дисфункции кишечника и болезни некротического энтероколита [35].

Первичный состав кишечной микробиоты новорожденного сильно зависит также от способа рождения: естественные роды или оперативное вмешательство (кесарево сечение) [36-39]. У детей, рожденных естественным путем, микробиота кишечника близка к вагинальной микробиоте матери. Было показано, что у таких детей в кишечнике преобладают бактерии, относящиеся к родам Lactobacillus, Prevotella и Sneathia [38], а

также видам Bifidobacterium longum и Bifidobacterium catenulatum [37]. Кишечная микробиота детей, рожденных при помощи кесарева сечения, напротив, широко представлена бактериями, типичными для микробиоты кожи и относящимися к родам Staphylococcus, Corynebacterium, Propionibacterium [38, 40], а также слабо представлены бактерии родов Escherichia, Shigella и Bacteroides [40].

Способ вскармливания тоже является важным фактором при формировании микробиоты кишечника у детей. Было показано, что микробиота младенцев, которых вскармливали искусственными молочными смесями, менее стабильна и однородна, а в ее состав входят такие бактерии, как Escherichia coli, Bacteroides и Clostridium difficile в значительно более высоком содержании, чем у детей, которых вскармливали грудным молоком [40, 41]. С другой стороны, у младенцев на грудном вскармливании наблюдается гораздо большее как общее количество бактерий рода Bifidobacterium, так и их разнообразие [42, 43].

С возрастом микробиота кишечника развивается и дополняется новыми микроорганизмами. Уже примерно к трем годам она близка по своему составу к микробиоте взрослого человека [44]. Бактерии в микробиоте кишечника взрослого человека в норме представлены всего несколькими типами, включающими в себя более 160 видов [45, 46]. Преобладают в кишечной микробиоте бактерии, относящиеся к типам Firmicutes, Bacteroides, Actinobacteria, Proteobacteria, Fusobacteria и Verrucomicrobia, при этом на типы Firmicutes и Bacteroides как правило приходится около 90% всех представителей микробиоты (Рис. 1) [2]. Тип Firmicutes включает в себя бактерии таких родов, как Lactobacillus, Bacillus, Clostridium, Enterococcus и Ruminicoccus, при этом бактерии рода Clostridium составляют наибольшую часть из них - около 95% [2].

Микробиота кишечника также может быть охарактеризована при помощи кластеров бактерий, называющимися энтеротипы [2]. Энтеротипы разделяют на три группы в зависимости от того, какие бактерии являются доминирующими: Bacteroides (энтеротип I), Prevotella (энтеротип II) или Ruminococcus (энтеротип III). Они описывают не только особенности бактериального состава, но и функциональные характеристики микробиоты. Каждый энтеротип - это гармоничное функциональное объединение бактерий, а не просто систематический набор определенных видов. Хотя энтеротипы не так легко определить, как например группы крови, они, тем не менее, являются индивидуальной характеристикой каждого человека, остаются неизменными на протяжении жизни (начиная с того момента, как сформирована взрослая микробиота) и может восстанавливаться после дисбактериоза. Каждый энтеротип с присущими ему кластерами бактерий и соответствующими

Рис. 1. Таксономическое разнообразие микробиоты кишечника человека [2].

функциональными характеристиками определяет способ получения энергии из ферментируемых субстратов, доступных в толстой кишке. Так, бактериальные кластеры энтеротипа I получают энергию в основном из углеводов, используя для этого гликолизный и пентозофосфатный пути, тогда как кластеры бактерий энтеротипов II и III способны разрушать гликопротеины муцина из слизистой оболочки кишечника. По-видимому, энтеротипы могут определяться в соответствии с рационом питания [47]. Более глубокое изучение происхождения и функций энтеротипов может улучшить понимание взаимосвязи между кишечной микробиотой и здоровьем человека.

1.1.2. Микробиота ЖКТ - виртуальный эндокринный орган, определяющий связь с центральной нервной системой

Микробиота кишечника принимает участие в ряде важнейших для жизнедеятельности человека защитных, структурных и метаболических функций, включающих пищеварение, усвоение сложных полисахаридов, борьбу с патогенными микроорганизмами и синтез витаминов [48-50]. Благодаря мощному метаболическому потенциалу влияние кишечной микробиоты не ограничивается воздействием на слизистую оболочку кишечника и энтеральную нервную систему (ЭНС), а простирается далеко за пределы желудочно-кишечного тракта. Таким образом, учитывая способность

воздействовать на дистальные органы и системы органов, во многих смыслах кишечную микробиоту можно рассматривать как отдельный эндокринный орган [6, 51]. В отличие от других эндокринных органов человека, таких как эпифиз, гипофиз, щитовидная и поджелудочная железы и т.д., которые производят от одного до нескольких гуморальных агентов, бактерии микробиоты кишечника синтезируют огромный спектр активных соединений [50]. Это позволяет микробиоте воздействовать на ЦНС, ЭНС, нейроэндокринную и нейроиммунную системы, а также на вегетативную нервную систему (симпатическую, парасимпатическую) [7]. ЭНС представляет собой сложную систему, включающую до 600 миллионов нейронов и находящуюся в постоянной связи с ЦНС, осуществляемой через блуждающий нерв, напрямую соединяющий различные отделы кишечника с мозгом [9, 52]. Также во взаимодействии кишечника с ЦНС принимают участие многочисленные рецепторы, расположенные на стенках клеток кишечного эпителия, например, толл-подобные рецепторы [9, 53].

В свою очередь организм человека также оказывает сильное воздействие на микробиоту. Наличие стресса запускает цепь физиологических процессов, задачей которых является поддержание гомеостаза. Ответ ЦНС на стресс связан с активацией симпатической нервной системы и гипоталамо-гипофизарно-адреналовой оси, приводящей к выбросу гормонов кортизола и адреналина. Данные гормоны влияют на моторику различных отделов ЖКТ, проницаемость кишечной стенки и выработку различных важных соединений, например, секрецию соляной кислоты в желудке или продукцию альфа-интерферона [54]. Данные процессы способны модулировать бактериальный состав и функциональные свойства микробиоты. Таким образом, прослеживается двусторонняя связь между ЦНС и мозгом, кишечником и микробиотой. Данная связь описывается понятием «ось микробиота-кишечник-мозг» [52].

Похожие диссертационные работы по специальности «Математическая биология, биоинформатика», 03.01.09 шифр ВАК

Список литературы диссертационного исследования кандидат наук Ковтун Алексей Сергеевич, 2020 год

Список литературы

1. The infant gut microbiome as a microbial organ influencing host well-being / Turroni F. et al. // Ital JPediatr. - 2020. - Vol. 46, no. 1. - P. 16. - doi: 10.1186/s13052-020-0781-0.

2. Enterotypes of the human gut microbiome / Arumugam M. et al. // Nature. - 2011. - Vol. 473, no. 7346. - P. 174-180. - doi: 10.1038/nature09944.

3. Factors affecting the composition of the gut microbiota, and its modulation / Hasan N., Yang H. // PeerJ. - 2019. - Vol. 7. - P. e7502. - doi: 10.7717/peerj.7502.

4. An integrated catalog of reference genes in the human gut microbiome / Li J. et al. // Nat Biotechnol. - 2014. - Vol. 32, no. 8. - P. 834-841. - doi: 10.1038/nbt.2942.

5. 1,520 reference genomes from cultivated human gut bacteria enable functional microbiome analyses / Zou Y. et al. // Nat Biotechnol. - 2019. - Vol. 37, no. 2. - P. 179-185. - doi: 10.1038/s41587-018-0008-8.

6. The gut microbiome: the role of a virtual organ in the endocrinology of the host / Evans J.M., Morris L.S., Marchesi J.R. // J Endocrinol. - 2013. - Vol. 218, no. 3. - P. R37-R47. - doi: 10.1530/J0E-13-0131.

7. The Microbiota-Gut-Brain Axis / Cryan J.F. et al. // Physiol Rev. - 2019. - Vol. 99, no. 4. - P. 1877-2013. - doi: 10.1152/physrev.00018.2018.

8. Probiotics and psychobiotics: the role of microbial neurochemicals / Oleskin A.V., Shenderov B.A. // Probiotics Antimicrob Proteins. - 2019. - Vol. 11, no. 4. - P. 1071-1085. - doi: 10.1007/s12602-019-09583-0.

9. Микробиота кишечника человека: роль в становлении и функционировании нервной системе / Аверина О.В., Даниленко В.Н. //Микробиология. - 2017. - Т. 86, no. 1. - С. 5-24. - doi: 10.7868/S0026365617010050.

10. Crosstalk between the gut microbiota and the brain: an update on neuroimaging findings / Liu P. et al. // Front Neurol. - 2019. - Vol. 10. - P. 883. - doi: 10.3389/fneur.2019.00883.

11. Адаптивные иммунные реакции матери и формирование расстройств аутистического спектра у ребенка / Полетаев А.Б. и др. // Вестник СПбГУ. - 2015. - Т. 11, no. 4. - С. 99113.

12. Autism spectrum disorder / Lord C. et al. // Nat Rev Dis Primers. - 2020. - Vol. 6, no. 1. - doi: 10.1038/s41572-019-0138-4.

13. Differences in fecal microbial metabolites and microbiota of children with autism spectrum disorders / Kang D.W. et al. // Anaerobe. - 2018. - Vol. 49. - P. 121-131. - doi: 10.1016/j.anaerobe.2017.12.007.

14. Platelet serotonin levels in pervasive developmental disorders and mental retardation: diagnostic group differences, within-group distribution, and behavioral correlates / Mulder E.J. et al. // J Am Acad Child Adolesc Psychiatry. - 2004. - Vol. 43, no. 4. - P. 491-499. - doi: 10.1097/00004583-200404000-00016.

15. Melatonin in children with autistic spectrum disorders: recent and practical data / Doyen C. et al. // Eur Child Adolesc Psychiatry. - 2011. - Vol. 20, no. 5. - P. 231-239. - doi: 10.1007/s00787-011-0162-8.

16. Fecal microbiota and metabolome of children with autism and pervasive developmental disorder not otherwise specified / De Angelis M. et al. // PLoS One. - 2013. - Vol. 8, no. 10. - P. e76993.

- doi: 10.1371/journal.pone.0076993.

17. Elevated fecal short chain fatty acid and ammonia concentrations in children with autism spectrum disorder / Wang L. et al. // DigDisSci. - 2012. - Vol. 57, no. 8. - P. 2096-2102. - doi: 10.1007/s10620-012-2167-7.

18. Short-term benefit from oral vancomycin treatment of regressive-onset autism / Sandler R.H. et al. // J Child Neurol. - 2000. - Vol. 15, no. 7. - P. 429-435. - doi: 10.1177/088307380001500701.

19. Minocycline ameliorates prenatal valproic acid induced autistic behaviour, biochemistry and blood brain barrier impairments in rats / Kumar H., Sharma B. // Brain Res. - 2016. - Vol. 1630.

- P. 83-97. - doi: 10.1016/j.brainres.2015.10.052.

20. Metagenomic analysis and its applications / Ghosh A., Mehta A., Khan M.A. // Encyclopedia of Bioinformatics and Computational Biology / Ranganathan S. et al. - Amsterdam: Elsevier, 2019.

- P. 184-193.

21. Metagenomic applications in environmental monitoring and bioremediation / Techtmann S.M., Hazen T.C. // JIndMicrobiol Biotechnol. - 2016. - Vol. 43, no. 10. - P. 1345-1354. - doi: 10.1007/s 10295-016-1809-8.

22. The neuroactive potential of the human gut microbiota in quality of life and depression / Valles-Colomer M. et al. // Nat Microbiol. - 2019. - Vol. 4, no. 4. - P. 623-632. - doi: 10.1038/s41564-018-0337-x.

23. Metagenome-wide association of gut microbiome features for schizophrenia. / Zhu F. et al. // Nat Commun. - 2020. - V. 11, no. 1. - P. 1612. - doi: 10.1038/s41467-020-15457-9.

24. Altered gut microbiota in Chinese children with autism spectrum disorders / Ma B. et al. // Front Cell Infect Microbiol. - 2019. - Vol. 9. - P. 40. - doi: 10.3389/fcimb.2019.00040.

25. Autism spectrum disorder is associated with gut microbiota disorder in children / Sun H. et al. // BMCPediatr. - 2019. - Vol. 19, no. 1. - P. 516. - doi: 10.1186/s12887-019-1896-6.

26. Role of the gut microbiota in nutrition and health / Valdes A.M. et al. // BMJ. - 2018. - Vol. 361. - P. k2179. - doi: 10.1136/bmj.k2179.

27. The impact of the gut microbiota on human health: an integrative view / Clemente J.C. et al. // Cell. - 2012. - Vol. 148, no. 6. - P. 1258-1270. - doi: 10.1016/j.cell.2012.01.035.

28. The role of the gut microbiota in nutrition and health / Flint H.J. et al. // Nat Rev Gastroenterol Hepatol. - 2012. - Vol. 9, no. 10. - P. 577-589. - doi: 10.1038/nrgastro.2012.156.

29. Metagenomic data utilization and analysis (MEDUSA) and construction of a global gut microbial gene catalogue / Karlsson F.H., Nookaew I., Nielsen J. // PLoS Comput Biol. - 2014. - Vol. 10, no. 7. - P. e1003706. - doi: 10.1371/journal.pcbi.1003706.

30. Linking long-term dietary patterns with gut microbial enterotypes / Wu G.D. et al. // Science. -2011. - Vol. 334, no. 6052. - P. 105-108. - doi: 10.1126/science.1208344.

31. Establishment and development of intestinal microbiota in preterm neonates / Arboleya S. et al. // FEMS Microbiol Ecol. - 2012. - Vol. 79, no. 3. - P. 763-772. - doi: 10.1111/j.1574-6941.2011.01261.x.

32. Neonatal gut and immune maturation is determined more by postnatal age than by post-conceptional age in moderately preterm pigs / Ren S. et al. // Am J Physiol Gastrointest Liver Physiol. - 2018. - Vol. 315, no. 5. - P. G855-G867. - doi: 10.1152/ajpgi.00169.2018.

33. Correlation between lactoferrin and beneficial microbiota in breast milk and infant's feces / Mastromarino P. et al. // Biometals. - 2014. - Vol. 27, no. 5. - P. 1077-1086. - doi: 10.1007/s 10534-014-9762-3.

34. Human milk oligosaccharides in premature infants: absorption, excretion, and influence on the intestinal microbiota / Underwood M.A. et al. // Pediatr Res. - 2015. - Vol. 78, no. 6. - P. 670677. - doi: 10.1038/pr.2015.162.

35. Human milk oligosaccharides to prevent gut dysfunction and necrotizing enterocolitis in preterm neonates / Bering S B. // Nutrients. - 2018. - Vol. 10, no. 10. - P. E1461. - doi: 10.3390/nu10101461.

36. Influence of mode of delivery on gut microbiota composition in seven year old children / Salminen S. et al. // Gut. - 2004. - Vol. 53, no. 9. - P. 1388-1389. - doi: 10.1136/gut.2004.041640.

37. Cesarean delivery may affect the early biodiversity of intestinal bacteria / Biasucci G. et al. // J Nutr. - 2008. - Vol. 138, no. 9. - P. 1796S-1800S. - doi: 10.1093/jn/138.9.1796S.

38. Delivery mode shapes the acquisition and structure of the initial microbiota across multiple body habitats in newborns / Dominguez-Bello M.G. et al. // Proc Natl Acad Sci U S A. - 2010. - Vol. 107, no. 26. - P. 11971-11975. - doi: 10.1073/pnas.1002601107.

39. Prenatal exposure to antibiotics, cesarean section and risk of childhood obesity / Mueller N.T. et al. // Int JObes (Lond). - 2015. - Vol. 39, no. 4. - P. 665-670. - doi: 10.1038/ijo.2014.180.

40. Gut microbiota of healthy Canadian infants: Profiles by mode of delivery and infant diet at 4 months / Azad MB. et al. // CMAJ. - 2013. - Vol. 185, no. 5. - P. 385-394. - doi: 10.1503/cmaj.121189.

41. Factors influencing the composition of the intestinal microbiota in early infancy / Penders J. et al. // Pediatrics. - 2006. - Vol. 118, no. 2. - P. 511-521. - doi: 10.1542/peds.2005-2824.

42. Examination of faecal Bifidobacterium populations in breast- and formula-fed infants during the first 18 months of life / Roger L.C. et al. // Microbiology. - 2010. - Vol. 156, no. Pt 11. - P. 3329-3341. - doi: 10.1099/mic.0.043224-0.

43. Microbiota profile in feces of breast- and formula-fed newborns by using fluorescence in situ hybridization (FISH) / Bezirtzoglou E., Tsiotsias A., Welling G.W. // Anaerobe. - 2011. - Vol. 17, no. 6. - P. 478-482. - doi: 10.1016/j.anaerobe.2011.03.009.

44. Human gut microbiome viewed across age and geography / Yatsunenko T. et al. // Nature. -2012. - Vol. 486, no. 7402. - P. 222-227. - doi: 10.1038/nature11053.

45. The Gut microbiota and immune system relationship in human graft-versus-host disease / Laterza L. et al. // Mediterr J Hematol Infect Dis. - 2016. -Vol. 8, no. 1. - P. e2016025. - doi: 10.4084/MJHID.2016.025.

46. Gut microbiome composition and diversity are related to human personality traits / Johnson K.V-A. // Human Microbiome Journal. - 2020. - Vol. 15. - doi: 10.1016/j.humic.2019.100069.

47. What is the healthy gut microbiota composition? A changing ecosystem across age, environment, diet, and diseases / Rinninella E. et al. // Microorganisms. - 2019. - Vol. 7, no. 1. - P. E14. -doi: 10.3390/microorgani sms7010014.

48. Mucosal immunity and the microbiome / Neish A.S. // Ann Am Thorac Soc. - 2014. - Vol. 11. -Suppl 1. - P. S28-S32. - doi: 10.1513/AnnalsATS.201306-161MG.

49. Gut microbiota metabolism of dietary fiber influences allergic airway disease and hematopoiesis / Trompette A. et al. // Nat Med. - 2014. - Vol. 20, no. 2. - P. 159-166. - doi: 10.1038/nm.3444.

50. Metabolic functions of the human gut microbiota: the role of metalloenzymes / Rajakovich L.J., Balskus E.P. // Nat Prod Rep. - 2019. - Vol. 36, no. 4. - P. 593-625. - doi: 10.1039/c8np00074c.

51. The gut microbiota affects host pathophysiology as an endocrine organ: a focus on cardiovascular disease / Busnelli M., Manzini S., Chiesa G. // Nutrients. - 2019. - Vol. 12, no. 1. - P. E79. -doi: 10.3390/nu12010079.

52. Impact of microbiota on central nervous system and neurological diseases: the gut-brain axis / Ma Q. et al. // JNeuroinflammation. - 2019. - Vol. 16, no. 1. - P. 53. - doi: 10.1186/s12974-019-1434-3.

53. Principles and clinical implications of the brain-gut-enteric microbiota axis / Rhee S.H., Pothoulakis C., Mayer E.A. // Nat Rev Gastroenterol Hepatol. - 2009. - Vol. 6, no. 5. - P. 306314. - doi: 10.1038/nrgastro.2009.35.

54. Кишечная микробиота и мозг: обоюдное влияние и воздействие / Нетребенко О.К. // Педиатрия. - 2015. - Т. 94, no. 6. - С. 134-140.

55. Interaction between microbiota and immunity in health and disease / Zheng D., Liwinski T., Elinav E. // Cell Res. - 2020. - Vol. 30, no. 6. - P. 492-506. - doi: 10.1038/s41422-020-0332-7.

56. Modulation of immune development and function by intestinal microbiota / Kabat A.M., Srinivasan N., Maloy K.J. // Trends Immunol. - 2014. - Vol. 35, no. 11. - P. 507-517. - doi: 10.1016/j .it.2014.07.010.

57. The human gut microbiota and undernutrition / Gordon J.I. et al. // Sci TranslMed. - 2012. -Vol. 4, no. 137. - P. 137ps12. - doi: 10.1126/scitranslmed.3004347.

58. Commensal Gram-positive bacteria initiates colitis by inducing monocyte/macrophage mobilization / Nakanishi Y., Sato T., Ohteki T. // Mucosal Immunol. - 2015. - Vol. 8, no. 1. - P. 152-160. - doi: 10.1038/mi.2014.53.

59. The microbiome and innate immunity / Thaiss C.A. et al. // Nature. - 2016. - Vol. 535, no. 7610. - P. 65-74. - doi: 10.1038/nature18847.

60. Physiological basis for novel drug therapies to treat the inflammatory bowel diseases: I. Pathophysiological basis and prospects for probiotic therapy in inflammatory bowel disease / Shanahan F. // Am J Physiol Gastrointest Liver Physiol. - 2005. - Vol. 288, no. 3. - P. G417-G421. - doi: 10.1152/ajpgi.00421.2004.

61. Early development of the gut microbiota and immune health / Francino M.P. // Pathogens. -2014. - Vol. 3, no. 3. - P. 769-790. - doi: 10.3390/pathogens3030769.

62. Recognition of commensal microflora by toll-like receptors is required for intestinal homeostasis / Rakoff-Nahoum S. et al. // Cell. - 2004. - Vol. 118, no. 2. - P. 229-241. - doi: 10.1016/j.cell.2004.07.002.

63. Bacterial composition and diversity in breast milk samples from mothers living in Taiwan and mainland China / Li S.-W. et al. // Front Microbiol. - 2017. - Vol. 8. - P. 965. - doi: 10.3389/fmicb.2017.00965.

64. Effect of breast and formula feeding on gut microbiota shaping in newborns / Guaraldi F., Salvatori G. // Front Cell Infect Microbiol. - 2012. - Vol. 2. - P. 94. - doi: 10.3389/fcimb.2012.00094.

65. Aspects of gut microbiota and immune system interactions in infectious diseases, immunopathology, and cancer / Lazar V et al. // Front Immunol. - 2018. - Vol. 9. - P. 1830. -doi: 10.3389/fimmu.2018.01830.

66. Gut microbiota, immunity, and disease: a complex relationship / Kosiewicz M.M., Zirnheld A.L., Alard P. // Front Microbiol. - 2011. - Vol. 2. - P. 180. - doi: 10.3389/fmicb.2011.00180.

67. Bacteria as vitamin suppliers to their host: a gut microbiota perspective / LeBlanc J.G. et al. // Curr Opin Biotechnol. - 2013. - Vol. 24, no. 2. - P. 160-168. - doi: 10.1016/j.copbio.2012.08.005.

68. The gut microbiota, bacterial metabolites and colorectal cancer / Louis P., Hold G.L., Flint H.J. // Nat Rev Microbiol. - 2014. - Vol. 12, no. 10. - P. 661-672. - doi: 10.1038/nrmicro3344.

69. When pathogenic bacteria meet the intestinal microbiota / Rolhion N., Chassaing B. // Philos Trans R Soc Lond B Biol Sci. - 2016. - Vol. 371, no. 1707. - P. 20150504. - doi: 10.1098/rstb.2015.0504.

70. Embracing the gut microbiota: the new frontier for inflammatory and infectious diseases / Van Den Elsen L.W.J. et al. // Clin Transl Immunology. - 2017. - Vol. 6, no. 1. - P. e125. - doi: 10.1038/cti.2016.91.

71. Gut microbiota promote hematopoiesis to control bacterial infection / Khosravi A. et al. // Cell Host Microbe. - 2014. - Vol. 15, no. 3. - P. 374-381. - doi: 10.1016/j.chom.2014.02.006.

72. Porphyromonas gingivalis disturbs host-commensal homeostasis by changing complement function / Olsen I., Lambris J.D., Hajishengallis G. // J Oral Microbiol. - 2017. - Vol. 9, no. 1.

- P. 1340085. - doi: 10.1080/20002297.2017.1340085.

73. Mammalian lipopolysaccharide receptors incorporated into the retroviral envelope augment virus transmission / Wilks J. et al. // Cell Host Microbe. - 2015. - Vol. 18, no. 4. - P. 456-462.

- doi: 10.1016/j.chom.2015.09.005.

74. Salmonella interaction with and passage through the intestinal mucosa: through the lens of the organism / Hallstrom K., McCormick B.A. // Front Microbiol. - 2011. - Vol. 2. - P. 88. - doi: 10.3389/fmicb.2011.00088.

75. Transient Inability to manage proteobacteria promotes chronic gut inflammation in TLR5-deficient mice / Carvalho FA. et al. // Cell Host Microbe. - 2012. - Vol. 12, no. 2. - P. 139-152.

- doi: 10.1016/j.chom.2012.07.004.

76. Gut dysbiosis associated with hepatitis C virus infection / Inoue T. et al. // Clin Infect Dis. -2018. - Vol. 67, no. 6. - P. 869-877. - doi: 10.1093/cid/ciy205.

77. In silico identification of metagenomic signature describing neurometabolic potential of normal human gut microbiota / Kovtun A.S. et al. // Rus J Gen. - 2018. - Vol. 54, no. 9. - P. 1101-1110.

- doi:10.1134/S1022795418090089.

78. Evolutional study on acetylcholine expression / Horiuchi Y. et al. // Life Sci. - 2003. - Vol. 72, no. 15. - P. 1745-1756. - doi: 10.1016/S0024-3205(02)02478-5.

79. Evolutionary considerations of neurotransmitters in microbial, plant, and animal cells / Roshchina, V.V. // Microbial endocrinology: interkingdom signaling in infectious disease and health / Lyte M. et al. - New York: Springer-Verlag, 2010. - P. 17-52.

80. Overflow of catecholamine neurotransmitters to the circulation: source, fate, and functions / Esler M. et al. // Physiol Rev. - 1990. - Vol. 70, no. 4. - P. 963-985. - doi: 10.1152/physrev.1990.70.4.963.

81. The physiology of brain histamine / Brown R.E., Stevens R.E., Haas H.L. // Prog Neurobiol. -2001. - Vol. 63, no. 6. - P. 637-672. - doi: 10.1016/S0301-0082(00)00039-3.

82. Neuroendocrine pharmacology of stress / Carrasco G.A., Van de Kar L.D. // Eur J Pharmacol.

- 2003. - Vol. 463, no. 1-3. - P.235-272. - doi: 10.1016/S0014-2999(03)01285-8.

83. Microbial endocrinology and infectious disease in the 21st century / Lyte M. // Trends Microbiol.

- 2004. - Vol. 12, no. 1. - P. 14-20. - doi: 10.1016/j.tim.2003.11.004.

84. Microbial endocrinology: how stress influences susceptibility to infection / Freestone P.P. et al. // Trends Microbiol. - 2008. - Vol. 16, no. 2. - P. 55-64. - doi: 10.1016/j.tim.2007.11.005.

85. Inter-kingdom signalling: communication between bacteria and their hosts / Hughes D.T., Sperandio V. // Nat Rev Microbiol. - 2008. - Vol. 6, no. 2. - P. 111-120. - doi: 10.1038/nrmicro1836.

86. Regulation of gut luminal serotonin by commensal microbiota in mice / Hata T. et al. // PLoS One. - 2017. - Vol. 12, no. 7. - P. e0180745. - doi: 10.1371/journal.pone.0180745.

87. Critical role of gut microbiota in the production of biologically active, free catecholamines in the gut lumen of mice / Asano Y. et al. // Am J Physiol Gastrointest Liver Physiol. - 2012. - Vol. 303, no. 11. - P. G1288-G1295. - doi: 10.1152/ajpgi.00341.2012.

88. Детекция нейромедиаторных аминов у микроорганизмов методом высокоэффективной жидкостной хромотографии / Цавкелова Е.А. и др. // Докл Росс Акад Наук. - 2000. - Т. 372. - С. 840-842.

89. Isolation and characterization of strain MMB-1 (CECT 4803), a novel melanogenic marine bacterium / Solano F. et al. // ApplEnviron Microbiol. - 1997. - Vol. 63, no. 9. - P. 3499-3506.

90. A tyrosinase with an abnormally high tyrosine hydroxylase/dopa oxidase ratio / Hernández-Romero D., Sanchez-Amat A., Solano F. // FEBS j. - 2006. - Vol. 273, no. 2. - P. 257-270. -doi: 10.1111/j .1742-4658.2005.05038.x.

91. Microbiome, HPA axis and production of endocrine hormones in the gut / Sudo N. // Adv Exp Med Biol. - 2014. - Vol. 817. - P. 177-194. - doi: 10.1007/978-1-4939-0897-4_8.

92. Antidepressant binding site in a bacterial homologue of neurotransmitter transporters / Singh S.K., Yamashita A., Gouaux E. // Nature. - 2007. - Vol. 448, no. 7156. - P. 952-956. - doi: 10.1038/nature06038.

93. Evidence for PMAT- and OCT-like biogenic amine transporters in a probiotic strain of Lactobacillus: Implications for interkingdom communication within the microbiota-gut-brain axis / Lyte M., Brown DR. // PLoS One. - 2018. - Vol. 13, no. 1. - P. e0191037. - doi: 10.1371/journal.pone.0191037.

94. Luminally released serotonin stimulates colonic motility and accelerates colonic transit in rats / Tsukamoto K. et al. // Am J Physiol Regul Integr Comp Physiol. - 2007. - Vol. 293, no. 1. - P. R64-R69. - doi: 10.1152/ajpregu.00856.2006.

95. Serotonin release and uptake in the gastrointestinal tract / Bertrand P.P., Bertrand R.L. // Auton Neurosci. - 2010. - Vol. 153, no. 1-2. - P. 47-57. - doi: 10.1016/j.autneu.2009.08.002.

96. 5-Hydroxytryptamine (serotonin) in the gastrointestinal tract / Gershon M.D. // Curr Opin Endocrinol Diabetes Obes. - 2013. - P. 20, no. 1. - P. 14-21. - doi: 10.1097/MED.0b013e32835bc703.

97. The bacterial flora of the intestine of Ascaris suum and 5-hydroxytryptamine production / Hsu S.C., Johansson K.R., Donahue M.J. // JParasitol. - 1986. - Vol. 72, no. 4. - P. 545-549.

98. Стимулирующее влияние серотонина на рост дрожжей Candida guillermondii и бактерий Streptococcus faecalis / Страховская М.Г., Иванова Э.В., Фрайкин Г.Я. //Микробиология. -1993. - Т. 62, no. 1. - С. 46-49.

99. Amine neuromediators, their precursors, and oxidation products in the culture of Escherichia coli K-12 / Shishov V.A. et al. //Microbiology. - 2009. - Vol. 45, no. 5. - P. 494-497.

100. Production of biogenic amines by Morganella morganii, Klebsiella pneumonia and Hafnia alvii using a rapid HPLC method / Ozogul F. // Eur Food Res Technol. - 2004. - Vol. 219. - P. 465-469.

101. Role of neuromediators in the functioning of the human microbiota: "Business talks" among microorganisms and the microbiota-host dialogue / Oleskin A.V., El'-Registan G.I., Shenderov B.A. //Microbiolog. - 2016. - Vol. 85, no. 1. - P. 3-25.

102. The role of histamine H1 and H4 receptors in allergic inflammation: the search for new antihistamines / Thurmond R.L., Gelfand E.W., Dunford P.J. // Nat Rev Drug Discov. - 2008. -Vol. 7, no. 1. - P. 41-53. - doi: 10.1038/nrd2465.

103. Biogenic amines in cheese and other fermented foods: a review / Stratton J.E., Hutkins R.W., Taylor S.L. // J Food Prot. - 1991. - Vol. 54, no. 6. - P. 460-470. - doi: 10.4315/0362-028X-54.6.460.

104. Evidence that histamine is the causative toxin of scombroid-fish poisoning / Morrow J.D. et al. // N Engl J Med. - 1991. - Vol. 324, no. 11. - P. 716-720. - doi: 10.1056/NEJM199103143241102.

105. Histamine-secreting microbes are increased in the gut of adult asthma patients / Barcik W. et al. // J Allergy Clin Immunol. - 2016. - Vol. 138, no. 5. - P. 1491-1494.e7. - doi: 10.1016/j.jaci.2016.05.049.

106. Microbiota-modulated metabolites shape the intestinal microenvironment by regulating NLRP6 inflammasome signaling / Levy M. et al. // Cell. - 2015. - Vol. 163, no. 6. - P. 14281443. - doi: 10.1016/j.cell.2015.10.048.

107. The effect of pre-germinated brown rice intake on blood glucose and PAI-1 levels in streptozotocin-induced diabetic rats / Hagiwara H., Seki T., Ariga T. // Biosci Biotechnol Biochem. - 2004. - Vol. 68, no. 2. - P. 444-447. - doi: 10.1271/bbb.68.444.

108. GABA and GABA receptors in the gastrointestinal tract: from motility to inflammation / Auteri M., Zizzo M.G., Serio R. // Pharmacol Res. - 2015. - Vol. 93. - P. 11-21. - doi: 10.1016/j.phrs.2014.12.001.

109. GABA, gamma-hydroxybutyric acid, and neurological disease / Wong C.G., Bottiglieri T., Snead 3rd O.C. // Ann Neurol. - 2003. - Vol. 54. - Suppl 6. - P. S3-S12. - doi: 10.1002/ana.10696.

110. Methamphetamine-evoked depression of GABA receptor signaling in GABA neurons of the VTA / Padgett C.L. et al. // Neuron. - 2012. - Vol. 73, no. 5. - P. 978-989. - doi: 10.1016/j.neuron.2011.12.031.

111. GABA production and structure of gadB/gadC genes in Lactobacillus and Bifidobacterium strains from human microbiota / Yunes R.A. et al. // Anaerobe. - 2016. - Vol. 42. - P. 197-204. - doi: 10.1016/j.anaerobe.2016.10.011.

112. Lactic acid bacterial cell factories for gamma-aminobutyric acid / Li H., Cao Y. // Amino Acids. - 2010. - Vol. 39, no. 5. - P. 1107-1116. - doi: 10.1007/s00726-010-0582-7.

113. y-Aminobutyric acid production by culturable bacteria from the human intestine / Barrett E. et al. // JApplMicrobiol. - 2012. - Vol. 113, no. 2. - P. 411-417. - doi: 10.1111/j.1365-2672.2012.05344.x.

114. Draft genome sequences of Bifidobacterium angulatum GT 102 and Bifidobacterium adolescentis 150: focusing on the genes potentially involved in the gut-brain axis / Dyachkova

M.S. et al. // Genome Announc. - 2015. - Vol. 3, no. 4. - P. e00709-15. - doi: 10.1128/genomeA.00709-15.

115. Effects of probiotics on gut microbiota: mechanisms of intestinal immunomodulation and neuromodulation / Hemarajata P., Versalovic J. // Therap Adv Gastroenterol. - 2013. - Vol. 6, no. 1. - P. 39-51. - doi: 10.1177/1756283X12459294.

116. Ingestion of Lactobacillus strain regulates emotional behavior and central GABA receptor expression in a mouse via the vagus nerve / Bravo J.A. et al. // Proc Natl Acad Sci U S a. - 2011. - Vol. 108, no. 38. - P. 16050-16055. - doi: 10.1073/pnas.1102999108.

117. Cerebral low-molecular metabolites influenced by intestinal microbiota: a pilot study / Matsumoto M. et al. // Front Syst Neurosci. - 2013. - Vol. 7. - P. 9. - doi: 10.3389/fnsys.2013.00009.

118. A clinician's primer on the role of the microbiome in human health and disease / Khanna S., Tosh P.K. // Mayo Clin Proc. - 2014. - Vol. 89, no. 1. - P. 107-114. - doi: 10.1016/j.mayocp.2013.10.011.

119. The role of short-chain fatty acids from gut microbiota in gut-brain communication / Silva Y.P., Bernardi A., Frozza R.L. // Front Endocrinol (Lausanne). - 2020. - Vol. 11. - P. 25. - doi: 10.3389/fendo.2020.00025.

120. Sodium butyrate inhibits histone deacetylation in cultured cells / Candido E.P., Reeves R., Davie J.R. // Cell. - 1978. - Vol. 14, no. 1. - P. 105-113. - doi: 10.1016/0092-8674(78)90305-7.

121. Inhibition of histone deacetylase activity by butyrate / Davie J.R. // JNutr. - 2003. - Vol. 133. - P. 2485S-2493S. - doi: 10.1093/jn/133.7.2485S.

122. Inhibition of histone-deacetylase activity by short-chain fatty acids and some polyphenol metabolites formed in the colon / Waldecker M. et al. // J Nutr Biochem. - 2008. - Vol. 19, no. 9. - P. 587-593. - doi: 10.1016/j.jnutbio.2007.08.002.

123. Lactate, a product of glycolytic metabolism, inhibits histone deacetylase activity and promotes changes in gene expression / Latham T. et al. // Nucleic Acids Res. - 2012. - Vol. 40, no. 11. - P. 4794-4803. - doi: 10.1093/nar/gks066.

124. Gut microbial metabolites in depression: understanding the biochemical mechanisms / Caspani G. et al. // Microb. Cell - 2019 - Vol. 6, no. 10. - P. 454-481. - doi: 10.15698/mic2019.10.693.

125. Gut microbiota-brain axis in depression: The role of neuroinflammation / CarlessiA.S. et al. // Eur. J. Neurosci. - 2019. - doi: 10.1111/ejn.14631

126. The intestinal microbiota affect central levels of brain-derived neurotropic factor and behavior in mice / Bercik P. et al. // Gastroenterology. - 2011. - Vol. 141, no. 2. - P. 599-609, 609.e1-3. - doi: 10.1053/j.gastro.2011.04.052.

127. Activation in vagal afferents and central autonomic pathways: early responses to intestinal infection with Campylobacter jejuni / Goehler L.E. et al. // Brain Behav Immun. -

2005. - Vol. 19, no. 4. - P. 334-344. - doi: 10.1016/j.bbi.2004.09.002.

128. Induction of anxiety-like behavior in mice during the initial stages of infection with the agent of murine colonic hyperplasia Citrobacter rodentium / Lyte M. et al. // Physiol Behav. -

2006. - Vol. 89, no. 3. - P. 350-357. - doi: 10.1016/j.physbeh.2006.06.019.

129. Exposure to a social stressor alters the structure of the intestinal microbiota: implications for stressor-induced immunomodulation / Bailey M.T. et al. // Brain Behav Immun. - 2011. -Vol. 25, no. 3. - P. 397-407. - doi: 10.1016/j.bbi.2010.10.023.

130. Structural & functional consequences of chronic psychosocial stress on the microbiome & host / Bharwani A. et al. // Psychoneuroendocrinology. - 2016. - Vol. 63. - P. 217-227. - doi: 10.1016/j.psyneuen.2015.10.001.

131. The gut microbiota and psychiatric illness / MacQueen G., Surette M., Moayyedi P. // J Psychiatry Neurosci. - 2017. - Vol. 42, no. 2. - P. 75-77. - doi: 10.1503/jpn.170028.

132. Altered fecal microbiota composition in patients with major depressive disorder / Jiang H. et al. // Brain Behav Immun. - 2015. - Vol. 48. - P. 186-194. - doi: 10.1016/j .bbi.2015.03.016.

133. Gut microbiome remodeling induces depressive-like behaviors through a pathway mediated by the host's metabolism / Zheng P. et al. // Mol Psychiatry. - 2016. - Vol. 21, no. 6. -P. 786-796. - doi: 10.1038/mp.2016.44.

134. Immunomodulatory effects of probiotic supplementation in schizophrenia patients: a randomized, placebo-controlled trial / Tomasik J. et al. // Biomark Insights. - 2015. - Vol. 10. - P. 47-54. - doi: 10.4137/BMI.S22007.

135. Clinical and metabolic response to probiotic administration in patients with major depressive disorder: A randomized, double-blind, placebo-controlled trial / Akkasheh G. et al. // Nutrition. - 2016. - Vol. 32, no. 3. - P. 315-320. - doi: 10.1016/j.nut.2015.09.003.

136. The impact of microbiota on brain and behavior: mechanisms & therapeutic potential / Borre Y.E. et al. // Adv Exp Med Biol. - 2014. - Vol. 817. - P. 373-403. - doi: 10.1007/978-1-4939-0897-4_17.

137. Risk factors in autism: Thinking outside the brain / Matelski L., Van de Water J. // J Autoimmun. - 2016. - Vol. 67. - P. 1-7. - doi: 10.1016/j.jaut.2015.11.003.

138. Neuropeptides in the microbiota-brain axis and feeding behavior in autism spectrum disorder / Fetissov S.O., Averina O.V., Danilenko V.N. // Nutrition. - 2019. - Vol. 61. - P. 4348. - doi: 10.1016/j.nut.2018.10.030.

139. Effects of the enteric bacterial metabolic product propionic acid on object-directed behavior, social behavior, cognition, and neuroinflammation in adolescent rats: relevance to autism spectrum disorder / MacFabe D.F. et al. // Behav Brain Res. - 2011. - Vol. 217, no. 1. -P. 47-54. - doi: 10.1016/j.bbr.2010.10.005.

140. Enteric short-chain fatty acids: microbial messengers of metabolism, mitochondria, and mind: implications in autism spectrum disorders / MacFabe D.F. // Microb Ecol Health Dis. -2015. - Vol. 26. - P. 28177. - doi: 10.3402/mehd.v26.28177.

141. The role of short-chain fatty acids in microbiota-gut-brain communication / Dalile B. et al. // Nat Rev Gastroenterol Hepatol. - 2019. - Vol. 16, no. 8. - P. 461-478. - doi: 10.1038/s41575-019-0157-3.

142. Neonate gut colonization: The rise of a social brain / Karaivazoglou K. et al. // NeurogastroenterolMotil. - 2019. - P. e13767. - doi: 10.1111/nmo.13767.

143. The gut microbiota influences blood-brain barrier permeability in mice / Braniste V. et al. // Sci Transl Med. - 2014. - Vol. 6, no. 263. - P. 263ra158. - doi: 10.1126/scitranslmed.3009759.

144. Common genetic variants link the abnormalities in the gut-brain axis in prematurity and autism / Sajdel-Sulkowska E.M. et al. // Cerebellum. - 2019. - Vol. 18, no. 2. - P. 255-265. -doi: 10.1007/s12311-018-0970-1.

145. Autism spectrum disorder and the gut microbiota in children: a systematic review / Bezawada N. et al. // Ann. Nutr. Metab. - 2020. - Vol. 76, no. 1. - P. 16-29. - doi: 10.1159/000505363

146. Gut microbiota changes in children with autism spectrum disorder: a systematic review / Ho L.K.H. et al. // GutPathog. - 2020. - Vol. 12. - P. 6. - doi: 10.1186/s13099-020-0346-1

147. Microbiota modulate behavioral and physiological abnormalities associated with neurodevelopmental disorders / Hsiao E.Y. et al. // Cell. - 2013. - Vol. 155, no. 7. - P. 1451— 1463. - doi: 10.1016/j.cell.2013.11.024.

148. Autism spectrum disorders and intestinal microbiota / De Angelis M. et al. // Gut Microbes. - 2015. - Vol. 6, no. 3. - P. 207-213. - doi: 10.1080/19490976.2015.1035855.

149. Gastrointestinal microbiota in children with autism in Slovakia / Tomova A. et al. // Physiol Behav. - 2015. - Vol. 138. - P. 179-187. - doi: 10.1016/j.physbeh.2014.10.033.

150. Psychobiotics and the manipulation of bacteria-gut-brain signals / Sarkar A. et al. // Trends Neurosci. - 2016. - Vol. 39, no. 11. - P. 763-781. - doi: 10.1016/j.tins.2016.09.002.

151. New evidences on the altered gut microbiota in autism spectrum disorders / Strati F. et al. //Microbiome. - 2017. - Vol. 5, no. 1. - P. 24. - doi: 10.1186/s40168-017-0242-1.

152. Molecular characterisation of gastrointestinal microbiota of children with autism (with and without gastrointestinal dysfunction) and their neurotypical siblings / Gondalia S.V. et al. // Autism Res. - 2012. - Vol. 5, no. 6. - P. 419-427. - doi: 10.1002/aur.1253.

153. Comparison of fecal microbiota in children with autism spectrum disorders and neurotypical siblings in the simons simplex collection / Son J.S. et al. // PLoS One. - 2015. -Vol. 10, no. 10. - P. e0137725. - doi: 10.1371/journal.pone.0137725.

154. Evaluation of 16S rRNA gene sequencing for species and strain-level microbiome analysis / Johnson J.S. et al. // Nat Commun. - 2019. - Vol. 10, no. 1. - P. 5029. - doi: 10.1038/s41467-019-13036-1.

155. The bacterial neurometabolic signature of the gut microbiota of young children with autism spectrum disorders / Averina O.V. et al. // J Med Microbiol. - 2020. - Vol. 69, no. 4. -P. 558-571. - doi: 10.1099/jmm.0.001178.

156. Bioinformatic approaches for functional annotation and pathway inference in metagenomics data / De Filippo C. et al. // Brief Bioinform. - 2012. - Vol. 13, no. 6. - P. 696710. - doi: 10.1093/bib/bbs070.

157. Molecular biological access to the chemistry of unknown soil microbes: a new frontier for natural products / Handelsman J. et al. // Chem Biol. - 1998. - Vol. 5, no. 10. - P. R245-R249.

158. How much metagenomic sequencing is enough to achieve a given goal / Ni J., Yan Q., Yu Y. // SciRep. - 2013. - Vol. 3, no. 1968. - P. 1968. - doi: 10.1038/srep01968.

159. Predictive functional profiling of microbial communities using 16S rRNA marker gene sequences / Langille M.G.I. et al. // Nat Biotechnol. - 2013. - Vol. 31, no. 9. - P. 814-821. -doi: 10.1038/nbt.2676.

160. A new genomic blueprint of the human gut microbiota / Almeida A. et al. // Nature. -2019. - Vol. 568, no. 7753. - P. 499-504. - doi: 10.1038/s41586-019-0965-1.

161. A framework for human microbiome research / The Human Microbiome Project Consortium. // Nature. - 2012. - Vol. 486, no. 7402. - P. 215-221. - doi: 10.1038/nature11209.

162. FastQC: a quality control tool for high throughput sequence data / Andrews S. // - 2010.

- Режим доступа: http://www.bioinformatics.babraham.ac.uk/projects/fastqc

163. FASTX-Toolkit. / Hannon G.J. // - 2010. - Режим доступа: http://hannonlab.cshl.edu/fastx_toolkit

164. Trimmomatic: a flexible trimmer for Illumina sequence data / Bolger A.M., Lohse M., Usadel B. // Bioinformatics. - 2014. - Vol. 30, no. 15. - P. 2114-2120. - doi: 10.1093/bioinformatics/btu170.

165. BMTagger: Best Match Tagger for removing human reads from metagenomics datasets / Rotmistrovsky et al. // - 2011. - Режим доступа: https://scholar.google.com/scholar_lookup?title=BMTagger:+Best+Match+Tagger+for+removi ng+human+reads+from+metagenomics+data+sets&author=K+Rotmistrovsky&author=R+Agar wala&publication_year=2011&

166. Chimeric 16S rRNA sequence formation and detection in Sanger and 454-pyrosequenced PCR amplicons / Haas B.J. et al. // Genome Res. - 2011. - Vol. 21, no. 3. - P. 494-504. - doi: 10.1101/gr.112730.110.

167. Computational meta'omics for microbial community studies / Segata N. et al. // Mol Syst Biol. - 2013. - Vol. 9. - P. 666. - doi: 10.1038/msb.2013.22.

168. MetaVelvet: An extension of Velvet assembler to de novo metagenome assembly from short sequence reads / Namiki T. et al. // Nucleic Acids Res. - 2012. - Vol. 40, no. 20. - P. e155.

- doi: 10.1093/nar/gks678.

169. Ray Meta: scalable de novo metagenome assembly and profiling / Boisvert S. et al. // Genome Biol. - 2012. - Vol. 13, no. 12. - P. R122. - doi: 10.1186/gb-2012-13-12-r122.

170. MetaSPAdes: a new versatile metagenomic assembler / Nurk S. et al. // Genome Res. -2017. - Vol. 27, no. 5. - P. 824-834. - doi: 10.1101/gr.213959.116.

171. GenBank / Benson DA. et al. // Nucleic Acids Res. - 2014. - Vol. 42. - P. D32-D37. -doi: 10.1093/nar/gkt1030.

172. The SILVA ribosomal RNA gene database project: Improved data processing and web-based tools / Quast C. et al. // Nucleic Acids Res. - 2013. - Vol. 41. - Database issue. - P. D590-D596. - doi: 10.1093/nar/gks1219.

173. Greengenes, a chimera-checked 16S rRNA gene database and workbench compatible with ARB / DeSantis T.Z. et al. // Appl Environ Microbiol. - 2006. - Vol. 72, no. 7. - P. 50695072. - doi: 10.1128/AEM.03006-05.

174. The Ribosomal Database Project: Improved alignments and new tools for rRNA analysis / Cole JR. et al. // Nucleic Acids Res. - 2009. - Vol. 37. - P. D141-D145. - doi: 10.1093/nar/gkn879.

175. Naive Bayesian classifier for rapid assignment of rRNA sequences into the new bacterial taxonomy / Wang Q. et al. // Appl Environ Microbiol. - 2007. - Vol. 73, no. 16. - P. 5261-5267.

- doi: 10.1128/AEM.00062-07.

176. BLAST+: architecture and applications / Camacho C. et al. // BMC Bioinformatics. -2009. - Vol. 10. - P. 421. - doi: 10.1186/1471-2105-10-421.

177. Kraken: ultrafast metagenomic sequence classification using exact alignments / Wood D.E., Salzberg S.L. // Genome Biol. - 2014. - Vol. 15, no. 3. - P. R46. - doi: 10.1186/gb-2014-15-3-r46.

178. Centrifuge: rapid and sensitive classification of metagenomic sequences / Kim D. et al. // Genome Res. - 2016. - Vol. 26, no. 12. - P. 1721-1729. - doi: 10.1101/gr.210641.116.

179. MetaPhlAn2 for enhanced metagenomic taxonomic profiling / Truong D.T. et al. // Nat Methods. - 2015. - Vol. 12, no. 10. - P. 902-903. - doi: 10.1038/nmeth.3589.

180. Antibiotic resistance genes in the gut microbiota of children with autistic spectrum disorder as possible predictors of the disease / Kovtun A.S. et al. // Microb Drug Resist. - 2020.

- doi: 10.1089/mdr.2019.0325.

181. Ab initio gene identification in metagenomic sequences / Zhu W., Lomsadze A., Borodovsky M. // Nucleic Acids Res. - 2010. - Vol. 38, no. 12. - P. e132. - doi: 10.1093/nar/gkq275.

182. MetaGeneAnnotator: detecting species specific patterns of ribosomal binding site for precise gene prediction in anonymous prokaryotic and phage genomes / Noguchi H., Taniguchi T., Itoh T. // DNA Res. - 2008. - Vol. 15, no. 6. - P. 387-396. - doi: 10.1093/dnares/dsn027.

183. FragGeneScan: predicting genes in short and error-prone reads / Rho M., Tang H., Ye Y. // Nucleic Acids Res. - 2010. - Vol. 38, no. 20. - P. e191. - doi: 10.1093/nar/gkq747.

184. Orphelia: Predicting genes in metagenomic sequencing reads / Hoff K.J. et al. // Nucleic Acids Res. - 2009. - Vol. 37. - P. W101-W105. - doi: 10.1093/nar/gkp327.

185. Pfam: the protein families database / Finn R.D. et al. // Nucleic Acids Res. - 2014. - Vol. 42. - P. D222-D230. - doi: 10.1093/nar/gkt1223.

186. Fast gapped-read alignment with Bowtie 2 / Langmead B., Salzberg S.L. // Nat Methods. - 2012. - Vol. 9, no. 4. - P. 357-359. - doi: 10.1038/nmeth.1923.

187. Fast and accurate short read alignment with Burrows-Wheeler transform / Li H., Durbin R. // Bioinformatics. - 2009. - Vol. 25, no. 14. - P. 1754-1760. - doi: 10.1093/bioinformatics/btp324.

188. KEGG as a reference resource for gene and protein annotation / Kanehisa M. et al. // Nucleic Acids Res. - 2016. - Vol. 44, no. D1. - P. D457-D462. - doi: 10.1093/nar/gkv1070.

189. The MetaCyc Database / Karp P.D. et al. // Nucleic Acids Res. - 2002. - Vol. 30, no. 1. -P. 59-61. - doi: 10.1093/nar/30.1.59.

190. KEGG Mapper for inferring cellular functions from protein sequences / Kanehisa M., Sato Y. // Protein Sci. - 2020. - Vol. 29, no. 1. - P. 28-35. - doi: 10.1002/pro.3711.

191. Pathway Tools version 19.0: integrated software for pathway/genome informatics and systems biology / Karp P.D. et al. // Brief Bioinform. - 2016. - Vol. 17, no. 5. - P. 877-890. -doi: 10.1093/bib/bbv079.

192. Statistical evaluation of methods for identification of differentially abundant genes in comparative metagenomics / Jonsson V. et al. // BMC Genomics. - 2016. - Vol. 17. - P. 78. -doi: 10.1186/s12864-016-2386-y.

193. Waste not, want not: why rarefying microbiome data is inadmissible / McMurdie P.J., Holmes J. // PLoS Comput Biol. - 2014. - Vol. 10, no. 4. - P. e1003531. - doi: 10.1371/journal.pcbi.1003531.

194. Shotgun metagenomics, from sampling to analysis / Quince C. et al. // Nat. Biotechnol. -2017. - Vol. 35., no. 9. - P. 833-844. - doi: 10.1038/nbt.3935.

195. Structure, function and diversity of the healthy human microbiome / The Human Microbiome Project Consortium. // Nature. - 2012. - Vol. 486, no. 7402. - P. 207-214. - doi: 10.1038/nature11234.

196. A metagenome-wide association study of gut microbiota in type 2 diabetes / Qin J. et al. // Nature. - 2012. - Vol. 490, no. 7418. - P. 55-60. - doi: 10.1038/nature11450.

197. A human gut microbial gene catalogue established by metagenomic sequencing / Qin J. et al. // Nature. - 2010. - Vol. 464, no. 7285. - P. 59-65. - doi: 10.1038/nature08821.

198. Human gut microbiota community structures in urban and rural populations in Russia / Tyakht A.V. et al. // Nat Commun. - 2013. - Vol. 4. - P. 2469. - doi: 10.1038/ncomms3469.

199. Extensive unexplored human microbiome diversity revealed by over 150,000 genomes from metagenomes spanning age, geography, and lifestyle / Pasolli E. et al. // Cell. - 2019. -Vol. 176, no. 3. - P. 649-662.e20. doi: 10.1016/j.cell.2019.01.001.

200. A statistical framework for SNP calling, mutation discovery, association mapping and population genetical parameter estimation from sequencing data / Li H. // Bioinformatics. - 2011.

- Vol. 27, no. 21. - P. 2987-2993. - doi: 10.1093/bioinformatics/btr509.

201. Monoamines (serotonin and catecholamines) and their derivatives in infantile autism: age-related changes and drug effects / Martineau J. et al. // Dev Med Child Neurol. - 1992. - Vol. 34, no. 7. - P. 593-603. - doi: 10.1111/j.1469-8749.1992.tb11490.x.

202. Mechanistic biomarkers for autism treatment / Hendren R.L. et al. // Med Hypotheses. -2009. - Vol. 73, no. 6. - P. 950-954. - doi: 10.1016/j.mehy.2009.06.032.

203. Association of social and cognitive impairment and biomarkers in autism spectrum disorders / Alabdali A., Al-Ayadhi L., El-Ansary A. // J Neuroinflammation. - 2014. - Vol. 11.

- P. 4. - doi: 10.1186/1742-2094-11-4.

204. Plasma amino acid levels in children with autism and their families / Aldred S. et al. // J Autism Dev Disord. - 2003. - Vol. 33, no. 1. - P. 93-97.

205. The urinary metabolomics profile of an Italian autistic children population and their unaffected siblings / Noto A. et al. // J Matern Fetal Neonatal Med. - 2014. - Vol. 27. - Suppl 2. - P. 46-52. - doi: 10.3109/14767058.2014.954784.

206. Oxidative stress-related biomarkers in autism: systematic review and meta-analyses / Frustaci A. et al. // Free Radic Biol Med. - 2012. - Vol. 52, no. 10. - P. 2128-2141. - doi: 10.1016/j.freeradbiomed.2012.03.011.

207. Metabolic perturbance in autism spectrum disorders: a metabolomics study / Ming X. et al. // JProteome Res. - 2012. - Vol. 11, no. 12. - P. 5856-5862. - doi: 10.1021/pr300910n.

208. Urinary p-cresol in autism spectrum disorder / Persico A.M., Napolioni V. // Neurotoxicol Teratol. - 2013. - Vol. 36. - P. 82-90. - doi: 10.1016/j.ntt.2012.09.002.

209. D(-)-lactic acid-producing probiotics, D(-)-lactic acidosis and infants / Mack D.R. // Can J Gastroenterol. - 2004. - Vol. 18, no. 11. - P. 671-675.

210. Neurometabolic disorders and dysfunction in autism spectrum disorders / Zecavati N., Spence S.J. // CurrNeurolNeurosci Rep. - 2009. - Vol. 9, no. 2. - P. 129-136.

211. The impact of microbiota-gut-brain axis on diabetic cognition impairment / Xu Y., Zhou H., Zhu Q. // Front Aging Neurosci. - 2017. - Vol. 9. - P. 106. - doi: 10.3389/fnagi.2017.00106.

212. Assembly of the human intestinal microbiota / Dethlefsen L. et al. // Trends EcolEvol. -2006. - Vol. 21, no. 9. - P. 517-523. - doi: 10.1016/j.tree.2006.06.013.

213. Towards the human intestinal microbiota phylogenetic core / Tap J. et al. // Environ Microbiol. - 2009. - Vol. 11, no. 10. - P. 2574-2584. - doi: 10.1111/j.1462-2920.2009.01982.x.

214. Commensal Clostridia: leading players in the maintenance of gut homeostasis / Lopetuso L.R. et al. // GutPathog. - 2013. - Vol. 5, no. 1. - P. 23. - doi: 10.1186/1757-4749-5-23.

215. Population-level analysis of gut microbiome variation / Falony G. et al. // Science. - 2016. - Vol. 352, no. 6285. - P. 560-564. - doi: 10.1126/science.aad3503.

216. The gut microbiota and dysbiosis in autism spectrum disorders / Hughes H.K., Rose D., Ashwood P. // Curr Neurol Neurosci Rep. - 2018. - Vol. 18, no. 11. - P. 81. - doi: 10.1007/s11910-018-0887-6.

217. Identifying psychiatric disorder-associated gut microbiota using microbiota-related gene set enrichment analysis / Cheng S. et al. // Brief Bioinform. - 2019. - Vol. 21, no. 3. - P. 10161022. - doi: 10.1093/bib/bbz034.

218. Employing toxin-antitoxin genome markers for identification of Bifidobacterium and Lactobacillus strains in human metagenomes / Klimina K.S. et al. // PeerJ. - 2019. - Vol. 7. -P. e6554. - doi: 10.7717/peerj.6554.11.

219. Toxin-antitoxin systems: a tool for taxonomic analysis of human intestinal microbiota / Klimina K.S. et al. // Toxins. - 2020. - Vol. 12, no. 6. - P. 388. - doi: 10.3390/toxins12060388.

220. A multi-strain potential probiotic formulation of GABA-producing Lactobacillus plantarum 90sk and Bifidobacterium adolescentis 150 with antidepressant effects / Yunes R.A. et al. // Probiotics Antimicrob Proteins. - 2019. - doi: 10.1007/s12602-019-09601-1.

Приложения

Приложение 1. Список 346 геномов бактерий микробиоты кишечника человека (база данных Human Microbiome Project), использованных для создания синтетического метагенома.

№ HMP ID Organism Name GenbankID

1 1478 Actinomyces sp. HPA0247 ATCA00000000

2 9450 Alistipes indistinctus YIT12060 ADLD00000000

3 69 Alistipes putredinis DSM17216 ABFK00000000

4 967 Alistipes shahii WAL 8301 FP929032

5 81 Anaerostipes caccae DSM 14662 ABAX00000000

6 369 Anaerostipes hadrus DSM 3319 AMEY00000000

7 1011 Anaerostipes sp. 3 2 56FAA ACWB00000000

8 109 Bacteroides caccae ATCC 43185 AAVM00000000

9 110 Bacteroides capillosus ATCC 29799 AAXG00000000

10 111 Bacteroides cellulosilyticus DSM 14838 ACCH00000000

11 9445 Bacteroides clarus YIT 12056 AFBM00000000

12 113 Bacteroides coprocola DSM 17136 ABIY00000000

13 114 Bacteroides coprophilus DSM 18228 ACBW00000000

14 136 Bacteroides dorei 5 1 36/D4 ACDI00000000

15 115 Bacteroides dorei DSM 17855 ABWZ00000000

16 1016 Bacteroides eggerthii 1 2 48FAA ACWG00000000

17 116 Bacteroides eggerthii DSM20697 ABV000000000

18 117 Bacteroides finegoldii DSM 17565 ABXI00000000

19 9446 Bacteroides fluxus AFBN00000000

20 118 Bacteroides fragilis 3 1 12 ABZX00000000

21 122 Bacteroides intestinalis DSM 17393 ABJL00000000

22 9447 Bacteroides oleiciplenus ADLF00000000

23 1017 Bacteroides ovatus 3 8 47FAA ACWH00000000

24 123 Bacteroides ovatus ATCC 8483 AAXF00000000

25 9562 Bacteroides ovatus SD CC 2a ADMP00000000

26 9556 Bacteroides ovatus SD CMC 3f ADM000000000

27 124 Bacteroidespectinophilus ATCC 43243 ABVQ00000000

28 126 Bacteroides plebeius DSM 17135 ABQC00000000

29 1532 Bacteroides salyersiae WAL 10018 AQHX00000000

30 9007 Bacteroides sp. 1 1 14 ACRP00000000

31 127 Bacteroides sp. 1 1 30 ADCL00000000

32 128 Bacteroides sp. 116 ACIC00000000

33 101 Bacteroides sp. 2 1 16 ACPP00000000

34 102 Bacteroides sp. 2 122 ACPQ00000000

35 103 Bacteroides sp. 2 1 33B ACPR00000000

36 1018 Bacteroides sp. 2 1 56FAA ACWI00000000

37 130 Bacteroides sp. 2 2 4 ABZZ00000000

38 9008 Bacteroides sp. 20 3 ACRQ00000000

39 9009 Bacteroides sp. 3 1 13 ACRR00000000

40 104 Bacteroides sp. 3 119 ADCJ00000000

41 9010 Bacteroides sp. 3 123 ACRS00000000

42 105 Bacteroides sp. 3 1 33FAA ACPS00000000

43 9011 Bacteroides sp. 3 1 40A ACRT00000000

44 131 Bacteroides sp. 3 2 5 ACIB00000000

45 1007 Bacteroides sp. 4 1 36 ACTC00000000

46 132 Bacteroides sp. 4 3 47FAA ACDR00000000

47 133 Bacteroides sp. 9 1 42FAA ACAA00000000

48 134 Bacteroides sp. D1 ACAB00000000

49 135 Bacteroides sp. D2 ACGA00000000

50 969 Bacteroides sp. D20 ACPT00000000

51 106 Bacteroides sp. D22 ADCK00000000

52 1214 Bacteroides sp. HPS0048 AGEU00000000

53 139 Bacteroides stercoris ATCC 43183 ABFZ00000000

54 140 Bacteroides uniformis ATCC 8492 AAYH00000000

55 9560 Bacteroides vulgatus PC510 ADK000000000

56 9561 Bacteroides xylanisolvens SD CC 1b ADKP00000000

57 911 Bacteroides xylanisolvens XB1A FP929033

58 159 Bifidobacterium adolescentis L2-32 AAXD00000000

59 160 Bifidobacterium angulatum DSM 20098 ABYS00000000

60 161 Bifidobacterium bifidum ATCC 29521 = JCM1255 AWSW00000000

61 913 Bifidobacterium bifidum JCM 1255 AP012323

62 162 Bifidobacterium bifidum NCIMB 41171 ABQP00000000

63 164 Bifidobacterium breve DSM 20213 ACCG00000000

64 1482 Bifidobacterium breve HPH0326 ATCB00000000

65 165 Bifidobacterium catenulatum DSM 16992 ABXY00000000

66 167 Bifidobacterium dentium ATCC 27678 ABIX00000000

67 172 Bifidobacterium gallicum DSM 20093 ABXB00000000

68 917 Bifidobacterium longum subsp. infantis AP010890

69 175 Bifidobacterium longum subsp. infantis ATCC 55813 ACHI00000000

70 173 Bifidobacterium longum subsp. infantis CCUG 52486 ABQQ00000000

71 919 Bifidobacterium longum subsp. infantis JCM 1222 AP010889

72 1315 Bifidobacterium longum subsp. longum 2-2B AJTJ00000000

73 1312 Bifidobacterium longum subsp. longum 44B AJTM00000000

74 9351 Bifidobacterium longum subsp. longum F8 FP929034

75 918 Bifidobacterium longum subsp. longum JCM 1217 AP010888

76 176 Bifidobacterium pseudocatenulatum DSM20438 ABXX00000000

77 177 Bifidobacterium sp. 12 1 47BFAA ADCN00000000

78 748 Blautia hansenii DSM 20583 ABYU00000000

79 749 Blautia hydrogenotrophica DSM 10507 ACBZ00000000

80 1547 Blautia sp. KLE 1732 AWSY00000000

81 190 Butyrivibrio crossotus DSM2876 ABWN00000000

82 923 Butyrivibrio fibrisolvens 16/4 FP929036

83 9428 Citrobacter freundii 4 7 47CFAA ADLG00000000

84 207 Citrobacter sp. 30 2 ACDJ00000000

85 210 Citrobacter youngae ATCC 29220 ABWL00000000

86 213 Clostridium asparagiforme DSM 15981 ACCJ00000000

87 214 Clostridium bartlettii DSM 16795 ABEZ00000000

88 215 Clostridium bolteae ATCCBAA-613 ABCC00000000

89 9472 Clostridium bolteae WAL-14578 ADLI00000000

90 216 Clostridium celatum DSM 1785 AMEZ00000000

91 931 Clostridium cf. saccharolyticum K10 FP929037

92 9469 Clostridium citroniae WAL-17108 ADLJ00000000

93 9470 Clostridium citroniae WAL-19142 ADLK00000000

94 9467 Clostridium clostridioforme 2 1 49FAA ADLL00000000

95 9471 Clostridium clostridioforme WAL-7855 ADLM00000000

96 9945 Clostridium difficile 70-100-2010 AGAC00000000

97 219 Clostridium difficile NAP07 ADVM00000000

98 220 Clostridium difficile NAP08 ADNX00000000

99 223 Clostridium hathewayi DSM 13479 ACI000000000

100 9473 Clostridium hathewayi WAL-18680 ADLN00000000

101 224 Clostridium hiranonis DSM 13275 ABWP00000000

102 225 Clostridium hylemonae DSM 15053 ABYI00000000

103 227 Clostridium leptum DSM 753 ABCB00000000

104 228 Clostridium methylpentosum DSM5476 ACEC00000000

105 229 Clostridium nexile DSM 1787 ABW000000000

106 9460 Clostridium orbiscindens 1 3 50AFAA ADL000000000

107 9476 Clostridiumperfringens WAL-14572 ADLP00000000

108 233 Clostridium ramosum DSM 1402 ABFX00000000

109 235 Clostridium scindens ATCC 35704 ABFY00000000

110 977 Clostridium sp. 1 1 41A1FAA ACTE00000000

111 236 Clostridium sp. 7 2 43FAA ACDK00000000

112 1020 Clostridium sp. 7 3 54FAA ACWK00000000

113 262 Clostridium sp. ATCC 29733 AWTA00000000

114 239 Clostridium sp. ATCCBAA-442 AWSS00000000

115 240 Clostridium sp. D5 ADBG00000000

116 9406 Clostridium sp. HGF2 AENW00000000

117 1548 Clostridium sp. KLE 1755 AWST00000000

118 221 Clostridium sp. L2-50 AAYW00000000

119 234 Clostridium sp. M62/1 ACFX00000000

120 226 Clostridium sp. SS2/1 ABGC00000000

121 264 Clostridium spiroforme DSM 1552 ABIK00000000

122 265 Clostridium sporogenes ATCC 15579 ABKW00000000

123 266 Clostridium symbiosum ATCC 14940 AWSU00000000

124 9474 Clostridium symbiosum WAL-14163 ADLQ00000000

125 9475 Clostridium symbiosum WAL-14673 ADLR00000000

126 323 Desulfovibriopiger ATCC 29098 ABXU00000000

127 326 Desulfovibrio sp. 3 1 syn3 ADDR00000000

128 1022 Desulfovibrio sp. 6 1 46AFAA ACWM00000000

129 9453 Dialister succinatiphilus ADLT00000000

130 9457 Dorea formicigenerans 4 6 53AFAA ADLU00000000

131 331 Dorea formicigenerans ATCC 2 7755 AAXA00000000

132 332 Dorea longicatena DSM 13814 AAXB00000000

133 980 Dorea sp. D27 ACTH00000000

134 9458 Eggerthella lenta 1 1 60AFAA ADLX00000000

135 1023 Eggerthella sp. 1 3 56FAA ACWN00000000

136 9404 Eggerthella sp. HGA1 AEXR00000000

137 882 Enterobacter cancerogenus ATCC 35316 ABWM00000000

138 9234 Enterobacter cloacae subsp. cloacae NCTC 9394 FP929040

139 2097 Enterococcus faecalis 918 AVNY00000000

140 9559 Enterococcus faecalis PC1.1 ADKN00000000

141 348 Enterococcus faecalis TX0104 ACGL00000000

142 9516 Enterococcus faecalis TX1302 AEBK00000000

143 349 Enterococcus faecalis TX1322 ACGM00000000

144 9517 Enterococcus faecalis TX1341 AECF00000000

145 9518 Enterococcus faecalis TX1342 AEBJ00000000

146 9519 Enterococcus faecalis TX1346 AEBI00000000

147 9520 Enterococcus faecalis TX1467 AFBS00000000

148 9521 Enterococcus faecalis TX2134 AEBW00000000

149 9494 Enterococcus faecalis TX2137 AEBQ00000000

150 9497 Enterococcus faecalis TX4244 AEBH00000000

151 9558 Enterococcus faecium PC4.1 ADMM00000000

152 352 Enterococcus faecium TX1330 ACHL00000000

153 9478 Enterococcus saccharolyticus 30 1 ADLY00000000

154 936 Enterococcus sp. 7L76 FP929058

155 986 Escherichia coli 4 1 47FAA ACTQ00000000

156 760 Escherichia coli D9 ACDL00000000

157 9345 Escherichia coli MS 107-1 ADWV00000000

158 9539 Escherichia coli MS 110-3 ADTW00000000

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.