TRADUCCIONES SELECCIONADAS DEL CLINICAL CHEMISTRY

La microbiota intestinal humana y el metabolismo corporal: Implicaciones con la obesidad y la diabetes

 

Sridevi Devaraj^1,2, Peera Hemarajata^1,2, James Versalovic^1,2*

¹ Dapartamento de Patología e Inmunología, Facultad of Medicine Baylor.
² Departamento de Patología e Inmunología, Hospital Pediátrico de Texas, Houston, Texas.
^* Dirección de correspondencia del autor: -Department of Pathology, Texas.
Children's Hospital, 1102 Bates Ave., Suite 830, Houston, TX 77030. Fax 832-825-1165; e-mail jamesv@bcm.edu

Traducción: Dr. Diego Lucero y Prof. Dra. Laura Schreier. Departamento de Bioquímica Clinica, FFyB-UBA

Este artículo ha sido traducido con el permiso de la AACC. La AACC no es responsable de la exactitud de la traducción. Las opiniones expresadas son las de los autores y no necesariamente de la AACC o de la Revista. Tomado de Clin Chem. 2013; 59(4):617-28, con el permiso del editor. Derechos de autor original © Asociación Americana de Química Clínica, Inc, 2013. Al citar este artículo, por favor recurra a la fuente original de publicación en la revista Clinical Chemistry.

This article has been translated with the permission of AACC. AACC is not responsible for the accuracy of the translation. The views presented are those of the authors and not necessarily those of the AACC or the Journal. Reprinted from Clin Chem. 2013; 59(4):617-28, by permission of the publisher. Original copyright © 2013 American Association for Clinical Chemistry, Inc. When citing this article, please refer to the original publication source in the journal, Clinical Chemistry.

Contribuciones de los autores: Todos los autores confirmaron que han contribuido al contenido intelectual de este documento y han cumplido con los siguientes 3 requisitos: (a) contribuciones significativas a la concepción y el diseño, adquisición de datos, o análisis e interpretación de datos, (b) la redacción o la revisión del artículo de contenido intelectual, y (c) la aprobación final del artículo publicado.

Declaraciones de los autores o los posibles conflictos de interés: Al momento de la presentación de manuscritos, todos los autores completaron las declaraciones de un posible conflicto de la forma de interés. Los posibles conflictos de interés:

Empleo o liderazgo: No declarado.
Rol de consultor o asesor: Ninguno declarado.
Propiedad de archivo: Ninguno declarado.
Honorarios: Ninguno declarado.
Financiación de la Investigación: NIH P30 DK56338-06A2; J. Versalovic, NIH UH3 DK083990, NIH R01 AT004326-01A1, and NIH R01 DK065075-01.
Testimonio de Expertos: Ninguno declarado.
Patentes: Ninguno declarado.

 

---

Resumen

La obesidad, el síndrome metabólico y la diabetes tipo 2 son los principales problemas de salud pública. Recientemente, ha aumentado el interés en relación al posible papel de la microbiota intestinal como nuevos contribuyentes al aumento de la prevalencia de estos tres trastornos. Los avances recientes en las tecnologías de secuenciación de ADN microbianos han dado lugar a la aplicación generalizada de tecnologías de secuenciación del genoma entero para el análisis de ADN metagenómico en ecosistemas complejos, tales como el intestino humano. La evidencia actual sugiere que la microbiota intestinal afecta a la adquisición de nutrientes, la obtención de energía, y un sinfín de rutas metabólicas del huésped. Avances en el Proyecto de la Microbiota Humana y la investigación de la metagenómica conducirán hacia una mayor comprensión de la importancia y el papel de la microbiota intestinal en los trastornos metabólicos tales como la obesidad, síndrome metabólico y diabetes.

Summary

Obesity, metabolic syndrome, and type 2 diabetes are major public health challenges. Recently, interest has surged regarding the possible role of the intestinal microbiota as potential novel contributors to the increased prevalence of these 3 disorders. Recent advances in microbial DNA sequencing technologies have resulted in the widespread application of whole-genome sequencing technologies for metagenomic DNA analysis of complex ecosystems such as the human gut. Current evidence suggests that the gut microbiota affect nutrient acquisition, energy harvest, and a myriad of host metabolic pathways. Advances in the Human Microbiome Project and human metagenomics research will lead the way toward a greater understanding of the importance and role of the gut microbiome in metabolic disorders such as obesity, metabolic syndrome, and diabetes.

---

 

La obesidad, el síndrome metabólico y la diabetes tipo 2 son los principales problemas de la salud pública, que afectan a aproximadamente 26 millones de niños y adultos en los Estados Unidos (EE.UU.). Más del 8% de la población de EE.UU. tiene diabetes, entre los cuales 17,9 millones de personas presentan síndrome metabólico ⁽¹⁾. Durante los últimos 20 años, la prevalencia de la obesidad ha aumentado considerablemente en los EE.UU. Más de 1 de cada 3 adultos estadounidenses (36%) son obesos y aproximadamente 12,5 millones (17%) de los niños y adolescentes (2-19 años de edad) son obesos ⁽²⁾.
En 2010 en los EE.UU (2), todos los estados presentaron una prevalencia de obesidad superior al 20%. La heterogeneidad de estos trastornos ha sido demostrada a través de estudios tanto antropométricos como genéticos. Se cree que estos trastornos metabólicos son causados por una combinación de susceptibilidad genética y cambios de estilo de vida. Recientemente ha surgido el interés en el posible papel de la microbiota intestinal como un contribuyente potencial al rápido aumento en la prevalencia de obesidad ^(3-5). Esta revisión se centra en los recientes avances en la comprensión de la microbiota intestinal, en las técnicas para evaluarla y su relación con el metabolismo humano, la obesidad, el síndrome metabólico y la diabetes tipo 2 (Fig. 1).

Figura 1. La hiperglucemia (HG) y el aumento de los ácidos grasos libres (AGL), característicos de obesidad, síndrome metabólico y diabetes, combinada con una dieta rica en grasa y alto índice glucémico, podría resultar en un aumento de la activación del complejo inflamasoma y además aumentar la activación de los macrófagos a través del aumento de la activación de receptores tipo toll (TLR) y el factor nuclear-κ B (NF-κ B).
Podría producirse un aumento de la endotoxemia metabólica, que activaría la vía TLR4 a través de la proteína adaptadora, MyD88, lo que produce inflamación con activación de células inmunes. Además, los macrófagos podrían infiltrarse en el tejido adiposo y activar proteínas quinasas activadas por mitógenos, tales como la quinasa amino terminal c-Jun (JNK) y NF-κ B, lo que resulta en un aumento del cross-talk. y de adipoquinas derivadas del tejido adiposo. Una dieta rica en grasas y en hidratos de carbono también podría dar lugar a cambios en la microbiota intestinal mediante la alteración del contenido de histidina, glutamato, ácidos grasos de cadena corta (AGCC) y otros factores, promoviendo disfunción de la barrera intestinal y condiciones prevalentes en la obesidad, síndrome metabólico y diabetes mediante la alteración de la respuesta del huésped. Todas estas alteraciones metabólicas resultan en un aumento de la inflamación sistémica, mayor actividad de macrófagos, y activación de TLR, lo que contribuye al aumento de la carga cardiometabólica en la obesidad, diabetes y síndrome metabólico.

La microbiota intestinal humana: conjunto de herramientas para su estudio

La aplicación de la secuenciación del gen del ARNr 16S para la detección de patógenos bacterianos y la ecología microbiana ha proporcionado una plataforma técnica robusta para la evaluación de la composición bacteriana de la microbiota humana. La secuenciación de dos blancos primarios dentro de los genes bacterianos del ARNr 16S arrojó valiosos datos sobre la composición de la microbiota fecal humana estudiando 242 adultos sanos ⁽⁶⁾⁽⁷⁾. En el Proyecto de la Microbiota Humana se obtuvieron y secuenciaron 18 muestras de diferentes partes del organismo. Las muestras de heces para estudiar la microbiota intestinal fueron del tipo muestra única.
Estudios publicados con anterioridad demostraron variaciones en la composición de la microbiota intestinal en diferentes sitios del tracto gastrointestinal de diferentes especies de mamíferos. Por ejemplo, la secuenciación de genes ARNr 16S se ha desplegado para el estudio de la maduración de la microbiota cecal murina, y estos estudios demostraron la existencia de un gran número de bacterias aún no identificadas que habitan en el intestino de los mamíferos ⁽⁶⁾. Tales estrategias de secuenciación, independientes del cultivo, son esenciales para la determinación de la composición bacteriana de la microbiota, su estabilidad relativa y diversidad en el tiempo. Por lo tanto, es esencial desarrollar sólidos modelos experimentales de la microbiota humana con el fin de delinear mecanismos en el desarrollo de enfermedades humanas.
Los avances en las tecnologías de secuenciación resultaron en una generalizada aplicación de la secuenciación del genoma entero para el análisis metagenómico del ADN proveniente de ecosistemas complejos tales como el intestino humano ⁽⁷⁾. Estrategias integrales de secuenciación del genoma microbiano proporcionan información composicional, así como funcional. Los datos obtenidos con el genoma entero pueden ser utilizados para inferir la composición bacteriana, y estos datos producen información similar a la generada con la secuenciación del gen ARNr 16S. La secuenciación del genoma de especies abundantes está bien representada en un conjunto de lecturas balísticas aleatorias, mientras que las especies menos abundantes están representadas por escasas secuencias generadas en una serie de secuenciaciones de última generación. Esta relativa riqueza permite la medición integral de composición de un ecosistema como respuestas a cambios en la dieta, terapia de drogas, alteraciones epigenéticas y perturbaciones ambientales. Por otro lado, la mayoría de los genes (por lo general aproximadamente 2000 genes por bacteria) en la microbiota están secuenciados de manera que las vías metabólicas y otras vías funcionales pueden ser evaluadas en el metagenoma de cada individuo. Datos funcionales del genoma entero proporcionan la oportunidad de encontrar qué rutas metabólicas se ven afectadas y cómo la microbiota puede contribuir al mecanismo de los estados de salud y enfermedad.
Esta tecnología crea el formidable desafío del manejo de grandes conjuntos de datos. Los avances de última generación en la secuenciación del ADN produjeron 576,7 Gb de datos de secuencias de ADN microbianos, generados con un analizador de genoma Illumina™ (Illumina) a partir de ADN total de las muestras de heces de 124 adultos europeos ⁽⁸⁾. La relación entre la microbiota comensal que comprende la microbiota intestinal y la que está en la barrera intestinal, es compleja y varía espacialmente a lo largo de las diferentes áreas del tracto gastrointestinal. Las metagenómicas fecales miden los cambios de los ecosistemas en las heces o en el intestino distal, pero no compara la microbiota en distintas regiones del intestino. También es importante tener en cuenta que el análisis metagenómico de muestras de heces no incluye todas las interacciones moleculares dentro del tracto gastrointestinal. Turnbaugh et al. ha propuesto un conjunto básico de funciones dentro de la microbiota, y las herramientas de la proteómica y la metabolómica pueden ser necesarias para disponer de un análisis funcional más profundo ⁽⁷⁾⁽⁹⁾. Desde una perspectiva de sistemas, el análisis metagenómico puede proporcionar más detalles sobre los cambios intraindividuales específicos y por lo tanto tener implicancias importantes para estrategias en la medicina personalizada.
Tanto la metatranscriptómica, la metaproteómica y la metabonómica serán de utilidad para explorar los aspectos funcionales de la totalidad de la microbiota intestinal. El análisis en tiempo real de la microbiota intestinal es una herramienta útil en el desarrollo de enfoques personalizados para terapias dirigidas. La metabonómica puede ser descrita como el estudio de las respuestas metabólicas a los productos químicos, al medio ambiente, y a las enfermedades, e implica el análisis computacional de los espectros de datos metabólicos que proporcionan información sobre los cambios de metabolitos específicos a lo largo del tiempo. Además, la metabonómica proporciona el perfil metabólico global de un individuo en tiempo real. Con tales enfoques, es posible dilucidar vías y redes complejas, alterados en estados específicos de enfermedad. La combinación de perfiles metabólicos y estudios de metagenómica de la microbiota intestinal permite el estudio del metabolismo tanto del huésped como de la microbiota, en gran detalle. Al análisis funcional de los componentes de la microbiota, que afectan al metabolismo y la salud humana, se conoce como la metagenómica funcional.
La metagenómica y la ciencia de la microbiota humana han llegado a la vanguardia de la biología, debido principalmente a importantes avances técnicos y conceptuales. El mayor desarrollo tecnológico fue la adquisición en muchos centros, de tecnologías de secuenciación de ADN de última generación, con funciones muy mejoradas para la secuenciación de genomas microbianos en el metagenoma. Los avances tecnológicos han creado nuevas oportunidades para la búsqueda de grandes proyectos de colección de datos de secuenciación que eran difíciles de imaginar hace una década. La clave de este desarrollo fue el paradigma emergente de la esencia natural de las comunidades microbianas complejas y su importancia para la biología de los mamíferos, la salud y las enfermedades humanas. El Proyecto Microbiota Humana fue aprobado en mayo de 2007 como uno de los dos componentes principales (sumado al programa epigenómico humano) de la versión RoadMap 1.5 del NIH (actualmente conocido como el Fondo Común). Recientemente, dos informes relevantes del consenso Proyecto Microbiota Humana ^(10)(11) describieron investigaciones en las que se estudiaron muestras de una población de 242 adultos sanos en 15 o 18 sitios del organismo hasta 3 veces, 5177 perfiles taxonómicos microbianos fueron generados a partir de genes de ARNr 16S, y se generaron más de 3,5 T bases de secuencias metagenómicas. Además, en paralelo, el consenso Proyecto Microbiota Humana ha secuenciado aproximadamente 800 genomas de referencia asociados a humanos. Este recurso proveerá un marco para futuros estudios de estados de enfermedad y una colección de referencia de datos de la microbiota en humanos sanos. El conjunto de datos permitirá futuras investigaciones sobre epidemiología y ecología de la microbiota humana en diversos estados patológicos, y las estrategias de tratamiento evolucionarán a partir de estos estudios. Utilizando enfoques funcionales y de composición, se han delineado relaciones entre las variaciones patológicas de la microbiota intestinal y varios estados de enfermedad.
La metabolómica urinaria ofrece otra oportunidad para estudiar el impacto de la microbiota en el Metabolismo humano. Las ventajas de usar muestras de orina son el volumen de muestra relativamente grande y la conveniencia de recolección no invasiva. Además, las muestras de orina se pueden utilizar para la investigación de la cronología de los cambios metabólicos, por lo tanto son una herramienta valiosa para las investigaciones relacionadas con la patogénesis o progresión de la enfermedad, para su detección y diagnóstico, así como para su evaluación pronóstica. Los métodos comúnmente utilizados para perfiles metabólicos de orina incluyen procedimientos tales como resonancia magnética nuclear (RMN), cromatografía líquida acoplada a espectrometría de masas (CL-EM), cromatografía gaseosa acoplada a espectrometría de masas (CG-EM) y cromatografía gaseosa acoplada a espectrometría de masa de tiempo de vuelo (CG-EMTOF). En un destacado reporte, el grupo Nicholson describió un método para la recolección y almacenamiento de orina haciendo hincapié en la importancia de la recolección del chorro medio de la orina y la adición de ureasa antes de la congelación de la muestra. Este método se utilizará eventualmente para perfiles metabólicos. Antes de implementar las técnicas basadas en CG-EM se debe eliminar la actividad de ureasa con etanol o metanol y después se derivatiza la muestra sometiendo a oximación seguido por trimetilsililo ⁽¹²⁾. Debido a las diferentes etapas de preparación de la muestra, es importante utilizar controles de calidad biológicos y comprobar la validez de los datos que se obtienen de las técnicas basadas en CG-EM. Los estudios de metabolómica basados en CG-EM incluyen varios pasos, como corrección de línea de base, reducción de ruido, resolución, cálculo del área de pico, y alineación de tiempo de retención, medidas que ayudan a generar datos coherentes.
Varios softwares disponibles en el mercado pueden ayudar en las estrategias de corrección, previo al análisis de datos. También, en el perfil metabólico urinario, es importante normalizar los datos (en relación a volumen, creatinina, y otras variables) para obtener información significativa y minimizar la influencia de dilución. Usando este protocolo, los investigadores fueron capaces de emprender la realización de perfiles metabólicos de alto rendimiento de aproximadamente 400-600 metabolitos en 120 muestras de orina por semana. Los análisis de alto rendimiento mediante espectroscopía de RMN o espectrometría de masas (EM) son estrategias para caracterizar perfiles metabólicos ampliamente utilizados para proporcionar información metabólica global sobre el metabolismo humano ^(13-16). Acoplado al análisis computacional multivariado, estos métodos proporcionan una comprensión más profunda de estados de enfermedad y pueden conducir al descubrimiento de biomarcadores. Este enfoque facilita la cuantificación de influencias ambientales en el genoma del huésped y la salud humana. Como parte de estudios clínicos a gran escala, esta estrategia analítica se ha aplicado con éxito a los estados de enfermedad, tales como hipertensión ⁽¹⁷⁾, enfermedad isquémica coronaria ⁽¹⁸⁾, diabetes ⁽¹⁹⁾ y obesidad ⁽²⁰⁾.
La metabonómica puede ser desafiante debido a que el ambiente químico asociado con los metabolitos endógenos es muy diverso, y por lo tanto, la información metabólica completa para cualquier muestra es difícil de descifrar por completo. Las tecnologías comunes de análisis utilizados en metabolómica y metabonómica incluyen espectroscopía de RMN, CL-EM y CG-EM, así como CG-EMTOF. Estas técnicas analíticas diferentes tienen sus propias fortalezas y debilidades y se utilizan generalmente en forma integrada de manera tal que cada una de las plataformas analíticas pueda proporcionar datos complementarios; la selección de una técnicas analítica en particular depende de las preguntas planteadas para el estudio. RMN tiene la ventaja de ser rápida, no destructiva de las muestras, y aplicable a los biomateriales intactos ricos en información química estructural. RMN requiere una preparación mínima de la muestra y se puede utilizar para investigar una mezcla o diferentes metabolitos en una sola muestra. Sin embargo, la EM tiene las ventajas de una mayor sensibilidad, exactitud, precisión y reproducibilidad en comparación con RMN. Además, el acoplamiento de CG a EMTOF ofrece varias ventajas adicionales, tales como análisis en tiempo reducido y mayor precisión con respecto a la resolución de picos.

Microbiota intestinal: más allá de la composición, hacia la función y el metabolismo

La comunidad microbiana intestinal incluye aproximadamente 1014 bacterias que residen normalmente en el tracto gastrointestinal, alcanzando un número de células microbianas que excede en gran medida el número de células humanas. El genoma colectivo de estos microorganismos (la microbiota) contiene millones de genes en comparación con aproximadamente 20.000 a 25.000 genes del genoma humano. Esta "fábrica" microbiana contribuye a una amplia gama de funciones bioquímicas y metabólicas que el cuerpo humano no podría realizar de otro modo ⁽²¹⁾. A pesar de que los cambios inducidos por la dieta en la microbiota intestinal se producen en un corto período de tiempo (1-3-4 días después de un cambio de dieta), éstos cambios son fácilmente reversibles ^(22)(23). En modelos animales, la relación de los géneros bacterianos intestinales más destacados, Bacteroidetes y Firmicutes, se alteran en respuesta a cambios en la dieta ^(22)(23). Alteraciones en el equilibrio energético conducen al aumento de peso. Estudios realizados en ratones han demostrado la relación entre el equilibrio energético, la dieta, y la composición de la microbiota intestinal. El trasplante de la microbiota intestinal de los donantes obesos resultó en aumento de la adiposidad en los receptores en comparación con una transferencia similar de donantes delgados.
La evidencia reciente sugiere que la microbiota intestinal afecta a la adquisición de nutrientes, almacenamiento de energía, y gran cantidad de vías metabólicas del huésped (24). Hallazgos recientes plantean la posibilidad de que la microbiota intestinal tenga un papel importante en la regulación del peso y puede ser en parte responsable del desarrollo de la obesidad. La evidencia inicial de la relación entre la obesidad y la composición microbiana intestinal se informó 3 décadas atrás, cuando la pérdida de peso inducida quirúrgicamente por cirugía de bypass gástrico y la ganancia de peso a través de lesiones del núcleo hipotalámico ventromedial se encontraron asociadas con cambios en la ecología microbiana intestinal ^(25)(26). Estos primeros estudios utilizaron métodos dependientes del cultivo que detectan una minoría de los microbios alojados en el intestino. En los últimos años, la capacidad de obtener una imagen completa de las comunidades microbianas del intestino, ha mejorado por la introducción de técnicas moleculares independientes de cultivos, basadas en la secuenciación del gen ribosómico ARNr 16S. Jumpertz et al. ⁽²⁷⁾ realizó un estudio de balance energético en pacientes hospitalizados, 12 sujetos delgados y 9 obesos, que consumieron 2 dietas calóricas distintas durante breves períodos de tiempo. Estos investigadores al mismo tiempo monitorearon la microbiota intestinal mediante la realización de estudios de pirosecuenciación de genes de ARNr 16S bacterianos presentes en las heces midiendo las calorías ingeridas y eliminadas por las heces mediante bomba calorimétrica. Este estudio mostró que la carga de nutrientes alterada (es decir, calorías altas vs. calorías bajas) indujo cambios rápidos en la composición bacteriana de la flora intestinal humana, y estos cambios correlacionaron con la pérdida de energía en las heces de personas delgadas. Proporciones elevadas de Firmicutes y las correspondientes reducciones en los Bacteroidetes se asociaron con un aumento de almacenamiento energético de aproximadamente 150 kcal. Estos datos apuntan a una fuerte relación entre la composición de la microbiota intestinal y la absorción de nutrientes en humanos; dichos estudios deben ser confirmados con mayor número de participantes.
La microbiota intestinal es muy importante en el mantenimiento de la función tanto gastrointestinal como inmunológica, además de ser crucial para la digestión de nutrientes, lo cual ha sido confirmado por estudios en ratones libres de gérmenes ^(28-30). Las funciones metabólicas importantes de la microbiota intestinal incluyen catabolismo de las toxinas y agentes carcinógenos, síntesis de los micronutrientes, fermentación de sustancias alimenticias no digeribles y absorción de electrolitos y minerales. Además, la producción de ácidos grasos de cadena corta (AGCC) por parte de la microbiota intestinal afecta el crecimiento y la diferenciación de los enterocitos y colonocitos. Las diferencias en las actividades metabólicas de la microbiota intestinal pueden contribuir a variaciones en la extracción de calorías ingeridas de sustancias alimenticias, almacenamiento de calorías en el tejido adiposo, y la disponibilidad de energía para la proliferación microbiana. Tales diferencias en la microbiota intestinal son también responsables de la variación de la capacidad de un individuo para obtener energía, explicando los aspectos de la obesidad. Las diferencias en la composición microbiana intestinal y su eficiencia metabólica pueden ser responsables de la predisposición de un individuo a los trastornos metabólicos como la obesidad y la diabetes ⁽³¹⁾.
El microbioma intestinal puede afectar al metabolismo de todo el organismo y alterar los parámetros fisiológicos en múltiples compartimentos corporales ⁽³²⁾. En un estudio ⁽³³⁾, ratones gnotobióticos aumentaron la cantidad de fosfocolina y glicina en el hígado y ácidos biliares en el intestino. La microbiota intestinal también influye en la homeostasis renal mediante la modulación de las cantidades de reguladores claves del volumen celular tales como betaína y colina ⁽³³⁾. Un estudio más reciente mostró diferencias específicas en los patrones de ácidos biliares presentes y una reducción de la diversidad global de ácidos biliares en ratas libres de gérmenes vs. ratas convencionales ⁽³⁴⁾. En comparación con las ratas convencionales, las ratas libres de gérmenes presentaron un aumento en las concentraciones de ácidos biliares conjugados que pueden acumularse en el hígado y el corazón.

Microbiota intestinal y metabolismo de los hidratos de carbono

Los hidratos de carbono son un componente nutricional importante para los mamíferos y su microbiota, incluyendo la microbiota intestinal. Los mamíferos absorben azúcares simples, como la glucosa y galactosa, en el yeyuno proximal a través de transportadores glucídicos específicos. Las enzimas de mamíferos hidrolizan disacáridos (sacarosa, lactosa, maltosa) y los almidones a sus monosacáridos constituyentes, pero tienen limitada la capacidad para hidrolizar otros polisacáridos. Como consecuencia, cada día una gran parte de polisacáridos de plantas no digeridos (celulosa, xilano, y pectina) y almidón parcialmente digerido, llegan a las comunidades microbianas en el intestino distal. Al alojar la microbiota metabólicamente activa capaz de hidrolizar hidratos de carbonos complejos, los mamíferos evitan la necesidad de desarrollar enzimas complejas requeridas para degradar la gran variedad de polisacáridos en la dieta. Por otro lado los microbios contienen muchos genes que codifican para una variedad de enzimas activas de hidratos de carbono (CAZymes) en el microbioma humano ⁽³⁵⁾. Las CAZymes microbianas constituyen el repertorio del huésped mamífero que incluyen glucósido hidrolasas, carbohidrato-esterasas, glicosil transferasas, y liasas de polisacáridos ⁽³⁵⁾. Los microbios tienen acceso a abundantes fuentes de carbono fermentables que de otra manera serían desperdiciados por el huésped y pueden usar estos sustratos de hidratos de carbono complejos para sostener comunidades microbianas viables, funcionalmente robustas y generar señales bioactivas que afectan el metabolismo del mamífero huésped.
Los géneros de bacterias intestinales difieren con respecto a su capacidad para utilizar los hidratos de carbono, tanto dietéticos como derivados del huésped (por ejemplo, componentes del mucus) ^(23)(36). También se han demostrado que Bacteriodetes ^(23)(36) asimilan fácilmente hidratos de carbono de la dieta, ya que los miembros de este filo de bacterias poseen varias vías metabólicas de utilización de los mismos. Sin embargo, en situaciones de inanición de hidratos de carbono, las bacterias intestinales catabolizan mucinas en el tracto gastrointestinal como fuente de hidratos de carbono, lo cual podría comprometer la capa de mucosa adyacente al epitelio. Además de Bacteroides, las cepas del género Bifidobacterium contienen genes que codifican enzimas que degradan glicanos que les permiten a estas bacterias intestinales adquirir nutrientes de glicanos derivados del huésped ⁽³⁷⁾. Además de su capacidad para hidrolizar el almidón, los microbios intestinales han desarrollado la capacidad de degradar numerosos glicoconjugados (glicanos) y glicosaminoglicanos de plantas y derivados del huésped, incluyendo celulosa, sulfato de condroitina, ácido hialurónico, mucinas y heparina. Enzimas catabólicas microbianas tales como endoglicosidasas pueden actuar sobre sustratos de la dieta para liberar complejo de N-glicanos a partir de leche humana y de otras fuentes dietarias ⁽³⁸⁾. Las fluctuaciones en la dieta pueden tener consecuencias funcionales para las bacterias y el huésped de modo que la "canibalización", por parte de la microbiota, de los carbohidratos propios del huésped mamífero puede resultar en el aumento de sus características beneficiosas, la prevención de enfermedades, o la predisposición a diferentes estados de enfermedad. Por ejemplo, las bifidobacterias cultivadas en oligosacáridos de la leche humana estabilizan la formación de uniones estrechas en el epitelio y promueven de la secreción de la citoquina antiinflamatoria, interleuquina-10 ⁽³⁹⁾. La biogeografía de la microbiota puede ser relevante ya que genes o vías específicos, tales como los sistemas de transporte fosfotransferasa de hidratos de carbono simples, son más prominentes en el intestino delgado que en el colon ⁽⁴⁰⁾. La investigación sobre las vías que se afectan por alteraciones en la microbiota intestinal (por ejemplo, almacenamiento y utilización de hidratos de carbono) proporcionará nuevos conocimientos sobre el rol de los microorganismos asociados a los humanos en el desarrollo de varios trastornos metabólicos.

Microbiota intestinal y metabolismode los ácidos grasos

Las bacterias intestinales, incluyendo probióticos, producen una amplia gama de ácidos grasos que pueden tener efectos beneficiosos para la salud. Las bifidobacterias intestinales producen ácido linoleico conjugado (CLA), los cuales, en modelos murinos, parecen modular la composición de ácidos grasos en el hígado y el tejido adiposo ⁽⁴¹⁾. Además de los ácidos grasos conjugados y libres, las bacterias intestinales generan AGCC (es decir, acetato, butirato, propionato) mediante la fermentación de carbohidratos de la dieta (fibra), que los seres humanos no pueden digerir por si mismos. Un estudio reciente demostró que los ratones libres de gérmenes están desprovistos de AGCC, lo que indica la importancia de la flora intestinal en la producción de AGCC en el intestino ⁽⁴²⁾. El acetato es el tipo dominante de AGCC en seres humanos, y este AGCC parece jugar un papel interesante en la modulación de la actividad proteína quinasa activada por 5.AMP y la infiltración de macrófagos en el tejido adiposo (43). AGCC tales como el propionato se puede utilizar para la síntesis de novo de glucosa o lípidos y servir como fuente energética para el huésped.
Los AGCC puede funcionar como señales derivadas de microbios que influyen en el metabolismo de hidratos de carbono y la fisiología intestinal mediante la estimulación de la secreción de péptidos del huésped y sirviendo además como fuente de energía para las células epiteliales intestinales. AGCC pueden estimular la secreción del péptido simil glucagón 1 (GLP-1) a través del receptor FFAR2 (receptor de ácidos grasos libres-2) acoplado a proteína G en la mucosa del colon ⁽⁴⁴⁾. Mediante la estimulación de la secreción de GLP-1, los AGCC bacterianos proporcionan señales que suprimen la secreción de glucagón, inducen la secreción de insulina dependiente de glucosa, y promueven la homeostasis de la glucosa. Se propone una vía enteroendocrinológica en la que los AGCC estimulan la secreción de péptido YY, una hormona que es liberada por las células epiteliales ileales y colónicas en respuesta a la alimentación que parece suprimir el apetito ⁽⁴⁵⁾. Dietas altas en grasas suplementadas con butirato previenen y revierten la resistencia a la insulina, en ratones con obesidad inducida por dieta. Mientras que las bacterias productoras de butirato y las concentraciones fecales de butirato disminuyen con dietas que contienen cantidades reducidas de carbohidratos específicos (46). El propionato, un AGCC, modula la homeostasis energética mediante la promoción de la activación de neuronas simpáticas mediada por GPR41 (receptor acoplado a proteína G 41), en contraste a los cuerpos cetónicos ⁽⁴⁷⁾. La capacidad de modular el flujo simpático proporciona otro mecanismo que une la microbiota intestinal con el sistema nervioso entérico, el gasto de energía, y la homeostasis metabólica.
El bypass gástrico en Y de Roux (BPGYR) es la intervención bariátrica principal para tratar la obesidad mórbida. Antes de la cirugía, se observaron cantidades mayores de Bacteroidetes, sin embargo se detectaron reducciones en la cantidad de Bacteroidetes y un aumento en la cantidad de Proteobacteria después de la cirugía ⁽⁴⁸⁾. Este desplazamiento de las poblaciones microbianas probablemente cambia los perfiles de metabolitos y la preponderancia relativa de los diferentes ácidos grasos producidos, incluyendo a los AGCC. Estos resultados están respaldados por un estudio reciente en animales. Ratas no obesas con BPGYR presentaron una disminución en las cantidades de Firmicutes y Bacteroidetes y cantidades significativamente mayores (concentraciones 52 veces más altas) de Proteobacteria en comparación con ratas con una cirugía simulada ⁽⁴⁹⁾. La obesidad es un estado proinflamatorio. Se ha demostrado que la abundancia de la especie Faecalibacterium prausnitzii, productora de butirato, está asociada negativamente con biomarcadores de inflamación antes y después de BPGYR, lo que indica que esta especie bacteriana puede contribuir a mantener la salud intestinal ⁽⁴⁸⁾. Así, las intervenciones quirúrgicas en el tracto gastrointestinal pueden tener efectos profundos en la composición microbiana intestinal, producción de AGCC, y el sistema inmune de los mamíferos.
Curiosamente, un estudio reciente ⁽⁵⁰⁾ ha demostrado que la administración subterapéutica de antibióticos altera la estructura de la población del microbioma intestinal, así como sus capacidades metabólicas. En este estudio, los investigadores administraron dosis subterapéuticas de antibióticos a los ratones jóvenes, lo que resultó en aumento de la adiposidad y de los niveles de la incretina GIP-1. Además, estos investigadores observaron cambios sustanciales en la taxonomía de la microbiota (aumento de Lachnospiraceae y Firmicutes y disminución de Bacteroidetes), también observaron cambios en los genes clave implicados en el metabolismo de los hidratos de carbono a AGCC (aumento de los niveles de acetato, propionato y butirato), aumento de niveles de AGCC en colon, y alteraciones en la regulación del metabolismo hepático de los lípidos y el colesterol. Por lo tanto, la modulación de la homeostasis metabólica murina se puede lograr mediante la alteración de la flora intestinal a través de la manipulación con antibióticos.

Microbiota intestinal y metabolismo de aminoácidos

Microbios beneficiosos tales como las bifidobacterias y los lactobacilos producen compuestos biológicamente activos derivados de aminoácidos, que incluyen una variedad de aminas biogénicas. La dieta incluye proteínas y péptidos que pueden ser hidrolizados a aminoácidos por las proteasas y peptidasas luminales. Los aminoácidos derivados de las proteínas dietarias pueden servir como sustratos para la bioconversión luminal por parte de la microbiota intestinal. Diversas enzimas microbianas pueden contribuir al metabolismo de aminoácidos en los mamíferos mediante la generación de metabolitos bioactivos en el intestino. Una de estas clases de enzimas, descarboxilasas de aminoácidos, es muy abundante en los microbios intestinales, y al combinarse con el sistema de transporte de aminoácidos, enlaza a los compuestos dietarios con el metabolismo microbiano y con la señalización de la mucosa intestinal (Fig. 2).

Figura 2. Los microbios intestinales pueden jugar un papel importante en las interacciones huésped-microbiota mediante transformación luminal.
Los nutrientes consumidos por el huésped pueden ser convertidos por los microbios intestinales en varios compuestos bioactivos que pueden afectar los estados de salud y enfermedad del huésped y de la microbiota intestinal. AGCC: ácidos grasos de cadena corta. Reproducido con permiso de Hemarajata et al. (78).

La combinación de estrategias de la metabolómica, incluyendo EM, HPLC y RMN, están dando lugar al descubrimiento de metabolitos y compuestos pequeños derivados de la microbiota humana. Con el uso de cromatografía líquida de interacción hidrofílica-HPLC (HILIC-HPLC) acoplada a EM y RMN, se aislaron moléculas bioactivas antiinflamatorias derivadas de microbios intestinales, entre ellos compuestos inhibidores del factor de necrosis tumoral (TNF). Se identificaron y cuantificaron señales microbianas y aminas biógenas, tales como la histamina, cuando se analizó la fracción inhibitoria de TNF por HILIC-HPLC, derivada de Lactobacillus reuteri que se encuentra presente en la leche materna y el intestino ⁽⁵¹⁾. La histamina se produce a partir de L-histidina mediante la histidina descarboxilasa, que está presente en algunas bacterias fermentativas incluyendo los lactobacilos probióticos. Uno de los constituyentes de la microbiota intestinal, L. reuteri, es capaz de convertir este componente de la dieta, L-histidina, en la señal inmunorreguladora histamina, que suprime la producción de la citoquina proinflamatoria TNF a través de receptores de histamina tipo 2 en el epitelio intestinal. Otros ejemplos de metabolismo de aminoácidos facilitado por microbios incluyen la generación de γ-amino butírico (GABA) a partir de glutamato a través de la glutamato descarboxilasa ⁽⁵²⁾ y la producción de putrescina desde ornitina. La identificación de estos metabolitos bacterianos bioactivos y sus correspondientes mecanismos de acción con respecto a la inmunomodulación puede conducir a mejores estrategias antiinflamatorias para enfermedades crónicas mediadas por el sistema inmune. Tales metabolitos antiinflamatorios pueden mejorar los procesos patológicos de la obesidad y la diabetes.
Microbiota intestinal y metabolismo corporal: obesidad e inflamación
La incidencia del sobrepeso y la obesidad ha alcanzado proporciones epidémicas. Los datos reportados por el CDC y el National Health and Nutrition Examination Survey (EE.UU.) indicaron que, en 2008, estimativamente 1,5 millones de adultos tenían sobrepeso y más de 200 millones de hombres y casi 300 millones de mujeres eran obesos. La obesidad en todo el mundo se ha más que duplicado en los últimos 20 años. La obesidad está asociada con un grupo de trastornos metabólicos y sistémicos, tales como resistencia a la insulina, diabetes tipo 2, hígado graso no alcohólico, aterosclerosis e hipertensión. La causa principal de la obesidad es un balance energético positivo como resultado de un aumento del aporte calórico de la dieta y una disminución del gasto de energía asociado con baja actividad física. Además de las alteraciones en la dieta y la actividad física resultante en la obesidad, las diferencias genéticas pueden contribuir a la obesidad y causar diferencias en el almacenamiento y gasto de energía. Además, las evidencias crecientes sugieren que la microbiota intestinal representa un factor importante que contribuye a la respuesta del huésped a los nutrientes. Un estudio sin precedentes, realizado por Turnbaugh et al. ⁽⁵³⁾, fue uno de los primeros estudios en demostrar cómo el contenido genético de la flora intestinal contribuye a la obesidad. Se comparó la microbiota obtenida del intestino distal de ratones deficientes en leptina y genéticamente obesos (ob/ob) y de sus compañeros de camada delgados (ob/+ y +/+). En este estudio, los investigadores informaron que la microbiota en los ratones ob/ob contenía los genes que codifican enzimas que hidrolizan los polisacáridos dietarios no digeribles. Se encontraron mayores cantidades de productos finales de fermentación (tales como acetato y butirato) y disminución de calorías en las heces de los ratones obesos. Estos datos sugieren que la microbiota intestinal, en este modelo de ratón, promovió la extracción de calorías adicionales de la dieta.
La composición de la microbiota intestinal parece ser importante en la regulación del peso corporal ⁽⁵⁴⁾. Para demostrar este punto, los investigadores realizaron experimentos en los que se trasplantaron flora intestinal de ratones ob/ob o ratones delgados a ratones gnotobióticos delgados. Después de 2 semanas, los ratones que recibieron microbiota de ratones ob/ob fueron capaces de extraer más calorías de los alimentos y también mostraron un aumento significativo de grasa respecto a los ratones que recibieron microbiota de ratones delgados. Por lo tanto, las diferencias en la extracción de calorías de sustancias alimenticias ingeridas puede ser en gran parte un resultado de la composición de la microbiota intestinal. Estos datos apoyan un papel central para la microbiota intestinal en la patogénesis de la obesidad y sus trastornos relacionados.
La manipulación de la microbiota intestinal podría ser una importante estrategia terapéutica para regular el equilibrio de energía en personas obesas, diabéticas o con diagnóstico de síndrome metabólico. En ratones genéticamente obesos, ob/ob y sus homólogos delgados, alimentados con la misma dieta rica en polisacáridos, Ley et al. analizó secuencias de genes de ARNr 16S de la microbiota cecal e informó que los ratones ob/ob presentaron 50% menos de Bacteroidetes y Firmicutes respecto a sus compañeros de camada delgados y que esta diferencia no estaba relacionada con diferencias en el consumo de alimentos.
Backhed et al. ⁽⁵⁵⁾ confirmó estos hallazgos y encontraron que ratones jóvenes, criados convencionalmente presentaban 40% más contenido graso corporal y 47% más contenido de grasa gonadal que los ratones libres de gérmenes, aunque su consumo de alimentos fue menor respecto a sus homólogos libres de gérmenes. Cuando la microbiota del intestino distal de ratones jóvenes, criados convencionalmente, se trasplantó a los ratones gnotobióticos se observó un aumento del 60% en la grasa corporal dentro de 2 semanas, sin ningún aumento en el consumo de alimentos o el gasto de energía. Este aumento de grasa corporal fue acompañado por insulino-resistencia, hipertrofia de los adipocitos, y aumento de las concentraciones circulantes de leptina y glucosa. Estudios mecanísticos demostraron que la microbiota promovió la absorción de monosacáridos desde el intestino e indujo la lipogénesis hepática en el huésped. Estas respuestas fueron mediadas en gran parte a través de la regulación positiva de 2 proteínas de señalización, ChREBP (proteína ligadora de elementos reguladores de hidratos de carbono) y el SREBP-1 (proteína ligadora de elementos reguladores de esteroides tipo 1) hepáticos. Asimismo, en ratones knockout para el factor de adipocitos inducido por ayuno (Fiaf) genéticamente modificados, las bacterias intestinales también suprimieron el Fiaf intestinal ⁽⁵⁶⁾.
Varios estudios han puesto de manifiesto el papel fundamental de la inflamación en los procesos metabólicos que conducen al síndrome metabólico, la obesidad y la diabetes. Cani et al ^(57-59) postularon otro mecanismo que relaciona la microbiota intestinal con el desarrollo de la obesidad. Los autores plantearon la hipótesis de que el lipopolisacárido bacteriano (LPS) derivado de bacterias gram-negativas residentes en la microbiota intestinal puede ser el disparador del aumento en la inflamación observada en el síndrome metabólico inducido por dietas ricas en grasas. En una serie de experimentos en ratones alimentados con una dieta alta en grasa, los investigadores encontraron evidencias de una pronunciada endotoxemia, asociada con reducciones tanto de bacterias gram-negativas (bacterias relacionadas con Bacteroides) y gram-positivas (grupos Eubacterium rectale-Clostridium coccoides y bifidobacterias), y un aumento de la relación bacterias gram-negativas/gram-positivas. Los autores de este informe sugieren que la endotoxemia metabólica crónica induce obesidad, resistencia a la insulina y diabetes.
En experimentos en humanos, Ley et al ⁽⁶⁰⁾ y Ravussin et al ⁽⁶¹⁾ monitorearon en forma seriada la microbiota intestinal fecal de 12 individuos obesos que participaron en un programa de adelgazamiento durante un año, siguiendo una dieta hipocalórica restringida en grasa o en hidratos de carbono. Al igual que en los experimentos con ratones, en seres humanos, se encontró una relativa abundancia de microbiota que perteneció a los géneros Bacteroidetes y Firmicutes, y la microbiota mostró una estabilidad intraindividual notable en el tiempo. Antes de la iniciación de la dieta baja en calorías se detectó una abundancia relativa de Firmicutes y cantidades reducidas de Bacteroidetes en los participantes obesos en comparación con los controles delgados. Después de la pérdida de peso, se observó aumento de cantidades de Bacteroidetes (3% a 15%) y una disminución de la abundancia de Firmicutes, y estos cambios se correlacionaron con el porcentaje de pérdida de peso, pero no con los cambios en el contenido calórico de la dieta. Estos estudios en humanos confirman lo observado en animales sugiriendo que las alteraciones en la composición microbiana intestinal están asociadas con la obesidad. Las relaciones de causa y efecto entre la obesidad y los cambios en la flora intestinal no están aún claras. Kalliomäki et al evaluó en un estudio prospectivo, niños desde el nacimiento y hasta los 7 años de edad ⁽⁶²⁾, recogiendo muestras de heces a los 6 y 12 meses de edad. Este trabajo evidencia una abundancia de los géneros Bifidobacterium y una disminución de la proporción de Staphylococcus aureus en niños cuyos pesos estaban dentro de los intervalos de referencia a los 7 años de edad, respecto a los que tenían sobrepeso u obesidad. A pesar de que no se examinaron factores como la dieta y la actividad física, estos datos sugieren que las alteraciones en la composición de la microbiota intestinal preceden al sobrepeso y la obesidad. Los antibióticos también han demostrado afectar generalizadamente la composición microbiana intestinal. Un ciclo de administración oral de ciprofloxacina de 5 días disminuyó considerablemente la diversidad de la comunidad microbiana fecal ⁽⁶³⁾. En este estudio, aunque la mayoría de la comunidad microbiana reapareció dentro de las 4 semanas después de la administración de ciprofloxacina, algunos otros géneros no volvieron a aparecer incluso después de tratamiento con el antibiótico durante 6 meses ⁽⁶³⁾.

Microbiota intestinal y metabolismo: diabetes y síndrome metabólico

Los receptores tipo Toll (TLRs) son receptores que reconocen patrones importantes en la mediación de la inflamación y la inmunidad. TLRs están presentes en mayor cantidad en las superficies celulares de pacientes con obesidad, diabetes y síndrome metabólico ⁽⁶³⁾. Recientemente, los investigadores han explorado el papel de la microbiota intestinal en la regulación de la resistencia a la insulina mediada por TLR. Ratones deficientes en receptor tipo toll 5 (TLR5) que reconocen patrones microbianos muestran hiperfagia, se volvieron obesos, y desarrollaron características del síndrome metabólico, incluyendo hipertensión, hipercolesterolemia y resistencia a la insulina secundaria a la desregulación de la señalización de interleuquina-1ß ⁽⁴³⁾. Cuando se trasplantó la microbiota intestinal de estos ratones en ratones libres de gérmenes con el gen del TLR5 intacto, los ratones receptores desarrollaron características similares al síndrome metabólico, sugiriendo que la microbiota intestinal era el factor determinante de este fenotipo de enfermedad. En otro estudio, ratones deficientes en TLR2 desarrollaron obesidad, resistencia a la insulina, intolerancia a la glucosa, y la microbiota intestinal de los ratones deficientes en TLR2 presentaba mayor abundancia de Firmicutes y Actinobacteria y menor cantidad del género Bifidobacterium (64). La administración de un cóctel de antibióticos eliminó muchos de los Firmicutes y resultó en una mejorada acción de la insulina y mayor tolerancia a la glucosa. Además de la mejorada sensibilidad a la insulina y la tolerancia a la glucosa, los menores niveles de Bifidobacterium spp. contribuyen al aumento de la permeabilidad intestinal; este cambio en la microbiota intestinal puede resultar en un intestino más permeable y producir mayores concentraciones de endotoxinas tales como LPS en la circulación. El sistema inmune reconoce al LPS como un patrón microbiano con activación de señalización de TLR causando inflamación. Tanto la obesidad como la inflamación tienden a causar diabetes, por lo cual la pérdida de TLR2 en estos ratones conduce a cambios en las bacterias intestinales, que se traduce en un mayor riesgo de diabetes mellitus. En efecto, una mayor cantidad de TLR2 se ha observado en los monocitos de los pacientes con síndrome metabólico, diabetes tipo 1 y tipo 2 en comparación con controles pareados ^(65-72). La deficiencia de TLR2 en ratones diabéticos resultó en una disminución del desarrollo de complicaciones de la diabetes tales como la nefropatía diabética ⁽⁶⁸⁾. Posiblemente, la microbiota intestinal juega un papel crucial en la regulación de vasculopatías diabéticas, y éste sería un área importante de investigación futura.
Con respecto a la función de la microbiota en el síndrome metabólico y alteraciones asociadas, estudios realizados en ratones libres de gérmenes demostraron que éstos están protegidos de la obesidad, resistencia a la insulina, dislipidemia, hígado graso/ esteatohepatitis no alcohólica, cuando se alimentaron con una dieta occidental alta en grasas ⁽⁶⁹⁾. En contraste, después de la colonización con microbiota de ratones criados convencionalmente, el contenido de grasa corporal, en los ratones originalmente libre de gérmenes, aumentó hasta el 60% en 14 días. Esto se asoció con insulino-resistencia, a pesar de que la ingesta de alimentos se redujo. El síndrome metabólico afecta a 1 de cada 3 adultos estadounidenses y conduce a una mayor propensión a la diabetes y enfermedad cardiovascular ⁽⁷⁰⁾. En un único estudio en pacientes humanos con síndrome metabólico, Zupancic et al ⁽⁷¹⁾ estudió a hombres y mujeres Amish con diferentes índices de masa corporal. En 310 participantes del estudio, la microbiota intestinal se caracterizó mediante una exhaustiva pirosecuenciación por PCR de amplicones de la región V1-V3 del gen ARNr 16S. De esta manera se han identificado tres comunidades de bacterias interactuantes en la flora intestinal, de forma análoga a enterotipos intestinales previamente identificados. El análisis de redes identificó 22 especies bacterianas y 4 unidades taxonómicas operacionales que, ya sea directa o inversamente, correlacionaron con los rasgos del síndrome metabólico, lo cual sugiere que ciertos miembros de la microbiota intestinal pueden contribuir al síndrome metabólico. Es importante que los futuros estudios se centren en la delineación de los componentes específicos de la microbiota intestinal que contribuyen a la obesidad visceral, disglucemia, dislipidemia, hipertensión y resistencia a la insulina asociada con esta población ⁽⁷¹⁾. El hígado graso no alcohólico es la manifestación hepática del síndrome metabólico y la principal causa de enfermedad hepática crónica en el mundo occidental. Utilizando diferentes modelos de ratones deficientes en inflamasoma, tales como los ratones deficientes en Asc (apoptosis-associated speck-like protein containing a caspase recruitment domain), NLRP3 (nucleotide-binding domain, leucine rich family, pyrin containing 3), caspasas, o interleuquina 18 , los autores mostraron alteraciones significativas en la microbiota intestinal evidenciado por el aumento de los miembros de Bacteriodetes y la disminución de los miembros de Firmicutes en estos modelos de ratones. Se encontró esteatosis hepática más severa y mayor inflamación, evidenciados por el aumento de los TLR (principalmente TLR4 y 9) y secreción hepática de TNF-α. Es importante destacar que los autores especularon que el aumento de esteatosis hepática se debió a los productos bacterianos intestinales que actuaron como agonistas de TLR4 y 9 e ingresaron al hígado a través de la circulación portal ⁽⁷²⁾. Más aún, estos cambios patológicos resultaron en la exacerbación de la esteatosis hepática y la obesidad (72). Por lo tanto, la alterada interacción entre la microbiota intestinal y el huésped, producida por sensores del inflamasoma defectuosos, puede regir la tasa de progresión de múltiples anomalías asociadas con el síndrome metabólico.
La microbiota intestinal también ha sido estudiada en relación a la resistencia a la insulina en pacientes con diabetes tipo 2. Larsen et al informó que había una reducción significativa en la abundancia relativa de Firmicutes y Clostridia en adultos con diabetes tipo 2 cuando se utilizó la técnica de la secuenciación tag-encoded ⁽⁷³⁾. Además, las relaciones de los grupos Bacteroidetes/ Firmicutes y Bacteroides-Prevotella/C. coccoides-Eubacterium rectale se correlacionaron con un aumento de los niveles de glucosa en ayunas en estos pacientes. En este estudio, Larsen et al mostró que, además de la disminución en la abundancia de Firmicutes, los niveles Betaproteobacteria se incrementaron significativamente en los pacientes diabéticos en comparación con los controles no diabéticos, correlacionando significativamente con las concentraciones de glucosa plasmática (r=0,46, p=0,05) ⁽⁷³⁾. Surgen de estos hallazgos preguntas puntuales e intrigantes con respecto a cómo la composición microbiana y sus correspondientes metabolitos pueden influir en el metabolismo humano contribuyendo a la resistencia a la insulina y diabetes.
Curiosamente, la microbiota intestinal también regula la diabetes tipo 1. La diabetes tipo 1 es una enfermedad autoinmune debida a la destrucción específica de la célula β-pancreática endocrina, responsable de la secreción de insulina, resultando en un estado insulinopénico. La diabetes tipo 1 también predispone a complicaciones micro- y macrovasculares. Han surgido datos respecto al papel crucial de la microbiota gastrointestinal en la protección contra o en el desencadenamiento de la diabetes tipo 1 ⁽⁷⁴⁾. En 2 modelos de diabetes, los ratones NOD (diabéticos no obesos) y la rata biobreeding (BB), la incidencia de diabetes mellitus tipo 1 espontánea puede verse afectada por el entorno microbiano del ambiente o por la exposición a estímulos microbianos ⁽⁷⁵⁾. Además, el reconocimiento de los determinantes bacterianos de la microbiota intestinal puede desencadenar la diabetes tipo 1. Los TLRs son receptores que reconocen patrones innatos implicados en la defensa del huésped y el mantenimiento de la integridad de los tejidos. La señalización de TLR está mediada a través de la proteína adaptadora MyD88, y su supresión protege de la aterosclerosis. Los ratones deficientes en MyD88 se encuentran protegidos contra la insulitis ⁽⁷⁴⁾, y este fenómeno depende de los microbios comensales ya que los ratones libres de gérmenes knockout para MyD88 desarrollan una diabetes exacerbada.
En ratas BB (un modelo de diabetes de tipo 1), especies de Lactobacillus presentes en las heces (L. johnsonii y de L. reuteri) correlacionan negativamente con el desarrollo de diabetes tipo 1 ⁽⁷⁶⁾, posiblemente a través de la modulación de la proteína de la mucosa intestinal y la respuesta al estrés oxidativo dando lugar a menores cantidades de citoquinas proinflamatorias tales como el interferón-γ. Por lo tanto, la modulación terapéutica destinada a alterar la microbiota intestinal puede ser beneficiosa para retardar el desarrollo de la diabetes.
Las alteraciones en la microbiota intestinal contribuyen al desarrollo de trastornos autoinmunes, como la diabetes tipo 1. Se obtuvieron muestras de heces a partir de 4 pares de participantes pareados en un estudio caso-control ⁽⁷⁷⁾. Se analizaron más de 30 mil millones de bases de nucleótidos de datos metagenómicos obtenidos con el Illumina, y los resultados revelaron un aumento significativo en el porcentaje de las vías y módulos involucrados en el metabolismo de hidratos de carbono y respuestas al estrés. Otras diferencias incluyen las cantidades relativas de los genes implicados en la adhesión, la motilidad y el metabolismo del azufre, que fueron más abundantes en los casos, mientras que los genes con funciones sobre el ADN, metabolismo proteico, síntesis de aminoácidos y respiración aeróbica, fueron más abundantes en los controles. A nivel de la familia, los números de Bacteroidetes Actinobacteria, y Proteobacteria se incrementaron significativamente en los casos, mientras que Firmicutes, Fusobacterias, Tenericutes y Verrucomicrobia fueron mayores en los controles (p<0,001). A nivel de género, la abundancia de Bacteroides fue mucho mayor en los casos, mientras que Prevotella fue más abundante en los controles. Además, el número total de bacterias productoras de ácido láctico y butirato fue mayor en los controles que en los casos. Por lo tanto, estos datos sugieren que tales bacterias productoras de lactato y butirato puede ser beneficiosas y mantener la salud intestinal y que la desregulación de estas bacterias puede conducir a la reducción en la síntesis óptima de mucina, identificada en individuos con enfermedades autoinmunes, contribuyendo al desarrollo de diabetes tipo 1. Estos atrayentes resultados necesitan ser confirmados en poblaciones más grandes.
En conclusión, los estudios clínicos aleatorios deberían ayudar a definir las características de la microbiota intestinal que contribuyen a la epidemia de obesidad y diabetes en poblaciones definidas. Además, estudios de mecanismos de la microbiota humana serían instructivos y tendrían implicancias terapéuticas. Por otra parte, los avances en tecnología, como la secuenciación del ARNr 16S, metagenómica del genoma completo, y la metabolómica en enfermedades metabólicas permitirá a los científicos extraer información que contribuya a caracterizar las enfermedades. Las grandes bases de datos y los recursos bioinformáticos como los derivados del Proyecto Microbiota Humana liderarán el camino hacia una mayor comprensión de la importancia y el papel de la microbiota intestinal en los trastornos metabólicos como la obesidad, el síndrome metabólico y la diabetes; estos estudios podrían proporcionar estrategias terapéuticas para reducir la carga global cardiometabólica en las poblaciones humanas.

Referencias

1. Cowie CC, Rust KF, Ford ES, Eberhardt MS, Byrd-Holt DD, Li C, et al. Full accountingof diabetes and pre-diabetes in the U.S. population in 1988-1994 and 2005-2006. Diabetes Care 2009; 32: 287-94.

2. D'Adamo E, Santoro N, Caprio S. Metabolic syndrome in pediatrics: old concepts revised, new concepts discussed. Pediatr Clin North Am 2011; 58: 1241-55, xi.

3. Backhed F. Host responses to the human microbiome. Nutr Rev 2012; 70(Suppl 1): S147.         [ Links ]

4. Tehrani AB, Nezami BG, Gewirtz A, Srinivasan S. Obesity and its associated disease: a role for microbiota? Neurogastroenterol Motil 2012; 24: 305-11.

5. Harris K, Kassis A, Major G, Chou CJ. Is the gut microbiota a new factor contributingto obesity and its metabolic disorders? J Obes 2012; 2012: 879151.

6. Kibe R, Sakamoto M, Hayashi H, Yokota H, Benno Y. Maturation of the murine cecal microbiota as revealed by terminal restriction fragment length polymorphism and 16S rRNA gene clone libraries. FEMS Microbiol Lett 2004; 235: 139-46.

7. Turnbaugh PJ, Gordon JI. The core gut microbiome, energy balance and obesity. J Physiol 2009; 587: 4153- 8.

8. Caporaso JG, Lauber CL, Walters WA, Berg-Lyons D, Lozupone CA, Turnbaugh PJ, et al. Global patterns of 16S rRNA diversity at a depth of millions of sequences per sample. Proc Natl Acad Sci USA 2010; 108(Suppl 1): 4516 -22.

9. Turnbaugh PJ, Hamady M, Yatsunenko T, Cantarel BL, Duncan A, Ley RE, et al. A core gut microbiome in obese and lean twins. Nature 2009; 457: 480-4.

10. The Human Microbiome Project Consortium. Structure, function and diversity of the healthy human microbiome. Nature 2012; 486: 207-14.

11. The Human Microbiome Project Consortium. A framework for human microbiome research. Nature 2012; 486: 215-21.

12. Chan EC, Pasikanti KK, Nicholson JK. Global urinary metabolic profilingprocedures usinggas chromatography-mass spectrometry. Nat Protoc 2011; 6: 1483-99.

13. Verberkmoes NC, Russell AL, Shah M, Godzik A, Rosenquist M, Halfvarson J, et al. Shotgun metaproteomics of the human distal gut microbiota. ISME J 2009; 3: 179-89.

14. Nicholson JK, Lindon JC, Holmes E. ‘Metabonomics': understandingthe metabolic responses of livingsystems to pathophysiological stimuli via multivariate statistical analysis of biological NMR spectroscopic data. Xenobiotica 1999; 29: 1181-9.

15. Wikoff WR, Anfora AT, Liu J, Schultz PG, Lesley SA, Peters EC, et al. Metabolomics analysis reveals large effects of gut microflora on mammalian blood metabolites. Proc Natl Acad Sci U S A 2009; 106: 3698-703.

16. Nicholson JK, Connelly J, Lindon JC, Holmes E. Metabonomics: a platform for studyingdrugtoxicity and gene function. Nat Rev DrugDiscov 2002; 1: 153- 61.

17. Holmes E, Loo RL, Stamler J, Bictash M, Yap IK, Chan Q, et al. Human metabolic phenotype diversity and its association with diet and blood pressure. Nature 2008; 453: 396-400.

18. Brindle JT, Antti H, Holmes E, Tranter G, Nicholson JK, Bethell HW, et al. Rapid and noninvasive diagnosis of the presence and severity of coronary heart disease using1H-NMR-based metabonomics. Nat Med 2002; 8: 1439-44.

19. Dumas ME, Wilder SP, Bihoreau MT, Barton RH, Fearnside JF, Argoud K, et al. Direct quantitative trait locus mappingof mammalian metabolic phenotypes in diabetic and normoglycemic rat models. Nat Genet 2007; 39: 666 -72.

20. Stella C, Beckwith-Hall B, Cloarec O, Holmes E, Lindon JC, Powell J, et al. Susceptibility of human metabolic phenotypes to dietary modulation. J Proteome Res 2006; 5: 2780-8.

21. Neish AS. Microbes in gastrointestinal health and disease. Gastroenterology 2009; 136: 65- 80.

22. Hooper LV, Gordon JI. Commensal host-bacterial relationships in the gut. Science 2001; 292: 1115-8.

23. SonnenburgED, ZhengH, Joglekar P, Higginbottom SK, Firbank SJ, Bolam DN, SonnenburgJL. Specificity of polysaccharide use in intestinal bacteroides species determines diet-induced microbiota alterations. Cell 2010;141:1241-52.

24. Nicholson JK, Holmes E, Kinross J, Burcelin R, Gibson G, Jia W, Pettersson S. Host-gut microbiota metabolic interactions. Science 2012; 336: 1262-7.

25. Clement K. Bariatric surgery, adipose tissue and gut microbiota. Int J Obes 2011; 35(Suppl 3): S7- 15.

26. Calvani R, Miccheli A, Capuani G, Tomassini Miccheli A, Puccetti C, Delfini M, et al. Gut microbiome-derived metabolites characterize a peculiar obese urinary metabotype. Int J Obes 2010; 34: 1095- 8.

27. Jumpertz R, Le DS, Turnbaugh PJ, Trinidad C, Bogardus C, Gordon JI, Krakoff J. Energy-balance studies reveal associations between gut microbes, caloric load, and nutrient absorption in humans. Am J Clin Nutr 2011; 94: 58-65.

28. Gravitz L. Microbiome: the critters within. Nature 2012; 485: S12-3.

29. TilgH, Kaser A. Gut microbiome, obesity, and metabolic dysfunction. J Clin Invest 2011; 121: 2126-32.

30. Faith JJ, McNulty NP, Rey FE, Gordon JI. Predictinga human gut microbiota's response to diet in gnotobiotic mice. Science 2011; 333: 101- 4.

31. Kallus SJ, Brandt LJ. The intestinal microbiota and obesity. J Clin Gastroenterol 2011; 46: 16 -24.

32. Zhao L, Shen J. Whole-body systems approaches for gut microbiota-targeted, preventive healthcare. J Biotechnol 2010; 149: 183-90.

33. Claus SP, TsangTM, WangY, Cloarec O, Skordi E, Martin FP, et al. Systemic multicompartmental effects of the gut microbiome on mouse metabolic phenotypes. Mol Syst Biol 2008; 4: 219.

34. Swann JR, Want EJ, Geier FM, Spagou K, Wilson ID, Sidaway JE, et al. Systemic gut microbial modulation of bile acid metabolism in host tissue compartments. Proc Natl Acad Sci U S A 2010; 108(Suppl 1): 4523-30.

35. Cantarel BL, Lombard V, Henrissat B. Complex carbohydrate utilization by the healthy human microbiome. PLoS One 2012; 7: e28742.

36. SonnenburgJL, Xu J, Leip DD, Chen CH, Westover BP, Weatherford J, et al. Glycan foragingin vivo by an intestine-adapted bacterial symbiont. Science 2005; 307: 1955-9.

37. Turroni F, Bottacini F, Foroni E, Mulder I, Kim JH, Zomer A, et al. Genome analysis of Bifidobacterium bifidum PRL2010 reveals metabolic pathways for host-derived glycan foraging. Proc Natl Acad Sci U S A 2010; 107: 19514 -9.

38. Garrido D, Nwosu C, Ruiz-Moyano S, Aldredge D, German JB, Lebrilla CB, Mills DA. Endo-beta-Nacetylglucosaminidases from infant-gut associated bifidobacteria release complex N-glycans from human milk glycoproteins. Mol Cell Proteomics 2012; 11: 775- 85.

39. Chichlowski M, De Lartigue G, German JB, Raybould HE, Mills DA. Bifidobacteria isolated from infants and cultured on human milk oligosaccharides affect intestinal epithelial function. J Pediatr Gastroenterol Nutr 2012; 55: 321-7.

40. Zoetendal EG, Raes J, van den Bogert B, Arumugam M, Booijink CC, Troost FJ, et al. The human small intestinal microbiota is driven by rapid uptake and conversion of simple carbohydrates. ISME J 2012; 6: 1415-26.

41. O'Shea EF, Cotter PD, Stanton C, Ross RP, Hill C. Production of bioactive substances by intestinal bacteria as a basis for explainingprobiotic mechanisms: bacteriocins and conjugated linoleic acid. Int J Food Microbiol 2012; 152: 189 -205.

42. Martin FP, WangY, Sprenger N, Yap IK, Lundstedt T, Lek P, et al. Probiotic modulation of symbiotic gut microbial-host metabolic interactions in a humanized microbiome mouse model. Mol Syst Biol 2008; 4: 157.

43. Carvalho BM, Guadagnini D, Tsukumo DM, Schenka AA, Latuf-Filho P, Vassallo J, et al. Modulation of gut microbiota by antibiotics improves insulin signallingin high-fat fed mice. Diabetologia 2012; 55: 2823-34.

44. Tolhurst G, Heffron H, Lam YS, Parker HE, Habib AM, Diakogiannaki E, et al. Short-chain fatty acids stimulate glucagon-like peptide-1 secretion via the G-protein-coupled receptor FFAR2. Diabetes 2012; 61: 364 -71.

45. Zhou J, Hegsted M, McCutcheon KL, Keenan MJ, Xi X, Raggio AM, Martin RJ. Peptide YY and proglucagon mRNA expression patterns and regulation in the gut. Obesity (Silver Spring) 2006; 14: 683-9.

46. Gao Z, Yin J, ZhangJ, Ward RE, Martin RJ, Lefevre M, et al. Butyrate improves insulin sensitivity and increases energy expenditure in mice. Diabetes 2009; 58: 1509 -17.

47. Kimura I, Inoue D, Maeda T, Hara T, Ichimura A, Miyauchi S, et al. Short-chain fatty acids and ketones directly regulate sympathetic nervous system via G protein-coupled receptor 41 (GPR41). Proc Natl Acad Sci U S A 2011; 108: 8030-5.

48. Furet JP, KongLC, Tap J, Poitou C, Basdevant A, Bouillot JL, et al. Differential adaptation of human gut microbiota to bariatric surgery-induced weight loss: links with metabolic and low-grade inflammation markers. Diabetes 2010; 59: 3049-57.

49. Li JV, Ashrafian H, Bueter M, Kinross J, Sands C, le Roux CW, et al. Metabolic surgery profoundly influences gut microbial-host metabolic crosstalk. Gut 2011; 60: 1214 -23.

50. Cho I, Yamanishi S, Cox L, Methe BA, Zavadil J, Li K, et al. Antibiotics in early life alter the murine colonic microbiome and adiposity. Nature 2012; 30: 621- 6.

51. Thomas CM, HongT, van Pijkeren JP, Hemarajata P, Trinh DV, Hu W, et al. Histamine derived from probiotic lactobacillus reuteri suppresses TNFvia modulation of PKA and ERK signaling. PLoS One 2012; 7: e31951.

52. Kim JY, ChungEJ, Kim JH, JungKY, Lee WY. Response to steroid treatment in anti-glutamic acid decarboxylase antibody-associated cerebellar ataxia, stiff person syndrome and polyendocrinopathy. Mov Disord 2006; 21: 2263- 4.

53. Turnbaugh PJ, Ley RE, Mahowald MA, Magrini V, Mardis ER, Gordon JI. An obesity-associated gut microbiome with increased capacity for energy harvest. Nature 2006; 444: 1027-31.

54. Ley RE, Backhed F, Turnbaugh P, Lozupone CA, Knight RD, Gordon JI. Obesity alters gut microbial ecology. Proc Natl Acad Sci U S A 2005; 102: 11070-5.

55. Backhed F, Manchester JK, Semenkovich CF, Gordon JI. Mechanisms underlyingthe resistance to diet-induced obesity in germ-free mice. Proc Natl Acad Sci USA 2007; 104: 979-84.

56. Greiner T, Backhed F. Effects of the gut microbiota on obesity and glucose homeostasis. Trends Endocrinol Metab 2011; 22: 117-23.

57. Delzenne NM, Neyrinck AM, Backhed F, Cani PD. Targetinggut microbiota in obesity: effects of prebiotics and probiotics. Nat Rev Endocrinol 2011; 7: 639-46.

58. Cani PD, Delzenne NM. Involvement of the gut microbiota in the development of low grade inflammation associated with obesity: focus on this neglected partner. Acta Gastroenterol Belg2010; 73: 267-9.

59. Cani PD, Delzenne NM. Interplay between obesity and associated metabolic disorders: new insights into the gut microbiota. Curr Opin Pharmacol 2009; 9: 737-43.

60. Ley RE. Obesity and the human microbiome. Curr Opin Gastroenterol 2009; 26: 5-11.

61. Ravussin Y, Koren O, Spor A, LeDuc C, Gutman R, Stombaugh J, et al. Responses of gut microbiota to diet composition and weight loss in lean and obese mice. Obesity 2011; 20: 738-47.

62. Kalliomaki M, Collado MC, Salminen S, Isolauri E. Early differences in fecal microbiota composition in children may predict overweight. Am J Clin Nutr 2008; 87: 534-8.

63. Dethlefsen L, Relman DA. Incomplete recovery and individualized responses of the human distal gut microbiota to repeated antibiotic perturbation. Proc Natl Acad Sci USA 2010; 108(Suppl 1): 4554-61.

64. Caricilli AM, Picardi PK, de Abreu LL, Ueno M, Prada PO, Ropelle ER, et al. Gut microbiota is a key modulator of insulin resistance in TLR 2 knockout mice. PLoS Biol 2011; 9: e1001212.

65. Dasu MR, Devaraj S, Park S, Jialal I. Increased toll-like receptor (TLR) activation and TLR ligands in recently diagnosed type 2 diabetic subjects. Diabetes Care 2010; 33: 861- 8.

66. Jialal I, Huet BA, Kaur H, Chien A, Devaraj S. Increased toll-like receptor activity in patients with metabolic syndrome. Diabetes Care 2012; 35: 900-4.

67. Creely SJ, McTernan PG, Kusminski CM, Fisherf M, Da Silva NF, Khanolkar M, et al. Lipopolysaccharide activates an innate immune system response in human adipose tissue in obesity and type 2 diabetes. Am J Physiol Endocrinol Metab 2007; 292: E740 -7.

68. Devaraj S, Tobias P, Kasinath BS, Ramsamooj R, Afify A, Jialal I. Knockout of toll-like receptor-2 attenuates both the proinflammatory state of diabetes and incipient diabetic nephropathy. Arterioscler Thromb Vasc Biol 2011; 31: 1796-804.

69. Frazier TH, DiBaise JK, McClain CJ. Gut microbiota, intestinal permeability, obesity-induced inflammation, and liver injury. JPEN J Parenter Enteral Nutr 2011; 35: 14S20S.

70. Alberti KG, Eckel RH, Grundy SM, Zimmet PZ, Cleeman JI, Donato KA, et al. Harmonizingthe metabolic syndrome: a joint interim statement of the International Diabetes Federation Task Force on Epidemiology and Prevention; National Heart, Lung, and Blood Institute; American Heart Association; World Heart Federation; International Atherosclerosis Society; and International Association for the Study of Obesity. Circulation 2009; 120: 1640-5.

71. Zupancic ML, Cantarel BL, Liu Z, Drabek EF, Ryan KA, Cirimotich S, et al. Analysis of the gut microbiota in the old order Amish and its relation to the metabolic syndrome. PLoS One 2012; 7: e43052.

72. Henao-Mejia J, Elinav E, Jin C, Hao L, Mehal WZ, StrowigT, et al. Inflammasome-mediated dysbiosis regulates progression of NAFLD and obesity. Nature 2012; 482: 179-85.

73. Larsen N, Vogensen FK, van den BergFW, Nielsen DS, Andreasen AS, Pedersen BK, et al. Gut microbiota in human adults with type 2 diabetes differs from non-diabetic adults. PLoS One 2010; 5: e9085.

74. Wen L, Ley RE, Volchkov PY, Stranges PB, Avanesyan L, Stonebraker AC, et al. Innate immunity and intestinal microbiota in the development of type 1 diabetes. Nature 2008; 455: 1109 -13.

75. Pozzilli P, Signore A, Williams AJ, Beales PE. NOD mouse colonies around the world-recent facts and figures. Immunol Today 1993; 14: 193- 6.

76. Valladares R, Sankar D, Li N, Williams E, Lai KK, Abdelgeliel AS, et al. Lactobacillus johnsonii N6.2 mitigates the development of type 1 diabetes in BB-DP rats. PLoS One 2010; 5: e10507.

77. Brown CT, Davis-Richardson AG, Giongo A, Gano KA, Crabb DB, Mukherjee N, et al. Gut microbiome metagenomics analysis suggests a functional model for the development of autoimmunity for type 1 diabetes. PLoS One 2011; 6: e25792.

78. Hemarajata P, Versalovic J. Effects of probiotics on gut microbiota: mechanisms of intestinal immunomodulation and neuromodulation. Therap Adv Gastroenterol. 2013; 6: 39-51.