Wen Chieh Hsieh

Nutrients 2017, 9(7), 752; doi:10.3390/nu9070752

Communication
Jessie Nicodemus-Johnson * 和Robert A. Sinnott
USANA Health Sciences，3838 W Parkway Boulevard，West Valley City，UT 84120，USA
*
通訊：電話：+ 1-801-954-7317
收到：2017年5月18日/接受：2017年7月11日/發佈時間：2017年7月14日

摘要：

流行病學證據強烈表明，水果消費促進了許多健康益處。儘管人們普遍認為水果和果汁在營養上類似，果汁消費的流行病學結果是相衝突的。我們的目標是使用DNA甲基化標記來表徵PBMC內的水果和果汁表觀遺傳標記，並確定與這些組相關的共享和獨立的簽名。使用標準線性回歸分析參與Framingham後代檢查8的2,148人的全基因組DNA甲基化標記（Illumina Human Methylation 450k芯片）的水果或果汁消耗之間的相關性。使用基因集豐富分析（GSEA），遺傳性途徑分析（IPA）和基因組廣泛關聯研究實驗（eFORGE）結果的表觀遺傳功能元素重疊分析來表徵具有低P值的 CpG位點（P < 0.01）。果實和果汁特異性低P值表觀遺傳學特徵在很大程度上是獨立的。水果特異性表觀遺傳標記附近的基因在與抗原呈遞和染色體或端粒維持相關的途徑中富集，而果汁特異性表觀遺傳學特徵被豐富用於促炎症途徑。IPA和eFORGE分析表明水果和果汁特異性表觀遺傳學特徵在巨噬細胞（水果）和B或T細胞（果汁）活性的調節中。這些數據表明在果實和果汁特異性健康益處中表觀遺傳調節的作用，並表現出與不同免疫功能和細胞類型的獨立關聯，這表明這些組不能賦予相同的健康益處。識別食物之間的這種差異是邁向個性化營養，最終改善人類健康和長壽的第一步。
關鍵詞：個性化營養; DNA甲基化; 表觀遺傳學; 水果消費; 果汁消費

介紹

水果和蔬菜消費是一種常見的飲食建議，以保證身體健康。水果和蔬菜（主要是植物化學物質和纖維）的多個部件已經顯示出促進健康和支持免疫功能[ 1，2，3 ]。此外，流行病學證據表明，提高水果和蔬菜的消耗作為健康飲食的一部分減少慢性炎症性疾病的無數的發生率，如心血管疾病[ 4，5，6，7 ]，癌症[ 8，9 ]，哮喘[ 10 ]，並且更一般的死亡率[ 11，12，13 ]。然而，結果是矛盾果汁消費[ 14，15，16，17，18 ]（綜述[ 19 ]）。目前，美國農業部建議健康成年人每天每天攝取1.5-2杯水果，並報告每日攝入水果的三分之一以果汁形式消費[ 20 ]。雖然果汁通常被認為是營養上類似於水果，因為它們都含有多酚，維生素和礦物質。在許多情況下，果汁缺乏在果實中發現的纖維成分，這可能改變腸道的位置和機制，通過這種方式，水果衍生的營養物被吸收並最終被處理[ 21 ]（在[ 22 ]中綜述）。這種差異可能導致每個群體賦予不同的健康益處。鑑於水果和果汁消費對免疫功能（如炎症反應和氧化應激）（在[ 2 ]中綜述））的廣泛作用，對於賦予這些免疫學健康益處的潛在分子機制，人們知之甚少。了解水果或果汁消耗調節內在細胞信號傳導途徑以及這些途徑如何與正常生理功能相關的機制可能有助於通過個性化營養攝入來改善人體健康和長壽。
表觀遺傳學是一個增長領域，能夠識別與復雜表型相關的潛在途徑。特別是DNA甲基化廣泛研究，並已被證明是與疾病（綜述[相關聯的環境變化的標記23 ]）和營養[ 3，24，25 ]。與這些狀態相關聯的表觀遺傳學調控通路和分子的鑑定已經在理解與疾病[相關聯的基本分子機制的工具26，27，28 ]或營養狀態[ 29，30 ]（綜述[ 31 ]）。我們假設與果實或果汁攝入相關的表觀遺傳學特徵將提供對以前建立的對免疫功能的生理作用的基礎的分子機制的洞察，並且允許評估這兩組之間共享和獨立途徑的程度。為此，我們分析了來自Framingham後代隊列的2,148名個人的全基因組DNA甲基化譜，發現水果和果汁消費主要由獨立的表觀遺傳學特徵（大約2％的重疊CpG位點組成），目標為相同的18％基因。途徑分析表明，與水果相關的表觀遺傳學特徵附近的基因被豐富用於免疫監視以及DNA修復和維持途徑。而與果汁相關的表觀遺傳學特徵附近的基因富集促炎症信號傳導和免疫耐受途徑。總而言之，這些數據表明，水果和果汁消費與不同的免疫功能區域相關聯，暗示這些食物可能不具有相同的健康益處。

2。材料和方法

2.1。研究參與者

本研究包括2005年至2008年參加Framingham心臟研究後代隊列考試8的2,148名白種人，並具有所有相關表型信息和全基因組DNA甲基化數據。參加者包括979名男子和1,169名年齡在40-92歲之間（中位數65）的女性。如前所述[ 32 ]，FHS後代隊列於1971年招募，其中包括原始FHS隊列及其配偶的5124名後代。使用的擬人測量在後代考試8中獲得。

2.2。膳食措施

膳食攝入用半定量弗雷明漢食物頻率問卷（FFQ）[評估33，34 ]。在審查之前，FFQ被郵寄給非制度化參與者，並要求與會者將完成的調查問卷提交給他們。參與者報告說，過去一年，他們平均每餐食物的標準份額多少。報告的頻率用於估計每個項目的日常/每週份額的數量。我們分析中使用了每個食品的每週食物，並用於創建2類：水果和果汁（表S1）。我們使用殘差法調整評估食物的總能量攝入量。

2.3。DNA甲基化數據處理

使用Infinium Human Methylation 450K Bead Chip [ 35 ]（Illumina）先前測定了從外周血單核細胞（PBMC）分離的DNA，並沉積在dbGaP [研究登錄號：phs000724.v6.p10]中。來自2,619名FHS參與者的全基因組DNA甲基化水平可供下載。去除位於性染色體上的探針或者在75％的樣品中檢測到P值大於0.001的探針。映射到亞硫酸氫鹽轉化基因組中多個位置或與已知單核苷酸多態性（SNP）位置重疊的那些也被去除[ 36 ]。在陣列中的485,000個探針中，使用minfi封裝結轉和處理325,963個探針[ 37 ]。對於使用陣列歸一化（SWAN）算法中的子集 – 分位數，對I型和II型探針偏置進行了校正[ 38 ]。通過控制歸一化對原始探針值進行顏色不平衡和背景校正。甲基化水平報告為β值，它們是甲基化珠粒與甲基化和非甲基化珠粒信號之和的信號分數。在2619個可用於分析的個體中，12個人失敗了QC，並從進一步的分析中刪除。
主成分分析用於確定已知混雜變量對全球甲基化譜的影響。芯片，芯片位置，性別，年齡和家庭關係與主要組成部分顯著相關（圖S1，表S2）。家庭關係是基於共同的家系確定的，其中包括無關配偶作為保守的方法來解決共同的環境因素[ 39 ]。使用COMBAT去除芯片和芯片位置效應，同時保護水果和果汁消耗[ 40 ]。替代變量分析（SVA）用於鑑定COMBAT調整殘差中的其他未知技術或生物混雜變量[ 41 ]，如白細胞計數組成[ 42 ]。替代變量也與已知的協變量如年齡，性別，相關性和疾病狀態密切相關（表S3）。剩餘的COMBAT調整甲基化β值用於所有後續分析。

2.4。統計分析

使用R軟件（v3.3.1，R Foundation for Staistical Computing，Vienna，Austria）分析數據。為了評估每個CpG位點的水果消耗量對DNA甲基化水平的關係，我們使用R包裝法[ 43 ] 進行線性回歸分析，其中替代變量包括為協變量。性別，表型，相關性和疾病狀態由SVA（表S3）捕獲，因此在回歸模型中沒有具體說明。對通過QC的2,148名白種人進行了線性回歸，我們對其進行了必要的表型，FFQ和DNA甲基化信息。
經驗P值來自10,000個排列。為了評估低P值富集，我們排除水果或果汁消耗，然後使用線性回歸來評估CpG位點之間的相關性，分別為P < 0.01（低P值CpG位點; N = 5,221和5434） 。替代變量再次作為協變量包含在該模型中。我們使用t檢驗比較了置換和觀察數據之間的P值分佈，並記錄了排列分佈相對於觀察到的分佈顯著升高的次數。通過隨機選擇5,221和5,434個CpG位點或4,323和4,539個用於水果或果汁消耗的獨特基因來測定重疊的低P值CpG位點或附近基因的富集的經驗P值，並記錄置換重疊次數大於觀察到108個CpG位點或1,246個基因的重疊。小提琴圖和維恩圖是使用R包vioplot和VennDiagram創建的。使用表觀遺傳功能元素重疊分析基因組廣泛研究實驗結果（eFORGE）[ 44 ] ，進行果實和果汁特異性表觀遺傳學特徵的DNA酶超敏反應位點（DHS）富集[ 44 ]。eFORGE僅接受1000個CpG位點，因此使用P < 0.001 的閾值進行分析，結果分別提交了739個和749個CpG位點，用於果汁和果汁分析。

2.5。途徑豐富分析

使用基因組濃縮分析（GSEA）進行途徑富集分析[ 45 ]。使用低P值CpG位點5kb以內的基因。報告了前100名途徑或具有錯誤發現率（FDR）<5％的途徑。利用遺傳性途徑分析（IPA）也詢問感興趣的基因列表，並使用Ingenuity知識庫構建網絡關聯。網絡相互作用僅限於初級免疫細胞中已知的相互作用，而所有其他因素都保持在其默認設置。網絡分數基於網絡的超幾何分佈，並通過右尾Fisher精確檢驗計算，以鑑定與水果或果汁消費相關的基因相對於IPA數據庫的富集。說明數據分析概述的圖示於圖S2。

3.結果

3.1。水果和果汁表觀遺傳學特徵

甲基化的全局效應改變上表觀遺傳學上複雜的表型的調節途徑可以從多個CpG位點具有相對小的影響，並從個人CpG位點[不影響的組合來確定26，27 ]，因此，我們測試的P值分佈每項研究都是為了豐富低P值（P < 0.01）。水果和果汁分別有5,221和5434個低P值CpG位點（藍線; 圖 1A，B; 表S4和S5）。既水果和果汁消費富集低P -值（經驗P < 1×10 -5用於兩個研究中; 圖1 C，D; 圖S3）。與果實或果汁消費相關的表觀遺傳學特徵（P < 0.01）在很大程度上是獨立的，分析之間只有2％的共享（108個CpG位點）。這比機會略高於預期（經驗P = 0.01;預期重疊= 84）。

營養素09 00752 g001 550
圖1. 果汁和果汁表觀遺傳標記。在我們對水果（A）或果汁（B） – 相關DNA甲基化分析中的325,963個CpG位點的曼哈頓圖。y軸是我們回歸分析的-log10 P值。-Log 10 P值（y軸）對應於DNA甲基化與水果消費之間的相關程度。紅線對應於10％的虛假髮現率（FDR）閾值。藍線對應於低P值CpG位點（P < 0.01）。小提琴圖顯示了來自水果（C）和果汁（D）分析的5,221和5,434個共享CpG位點的中間排列P值（N = 10,000）的分佈。維恩圖描繪了水果（紅線）和果汁（藍線）分析之間共享和獨立的CpG位點（E）或基因（F）的數量。
為了評估每個研究中低P值CpG位點是否接近相同的基因，將位點映射到人類基因組（hg19坐標），並記錄具有最接近的轉錄起始位點的基因。在每個研究中基因轉錄起始位點5kb以內的低P值CpG位點中，27％（果汁）和29％（水果）相關基因在分析之間重疊或共享（N = 1,246）。這比預期的804個共享基因數量豐富了1.5倍（經驗P < 1×10 -5）。這表明雖然水果和果汁表觀遺傳學特徵在很大程度上是獨立的，但它們可能影響相同基因的大部分。

3.2。果實果汁GSEA表觀遺傳學特徵

為了確定共享基因富集的途徑，我們進行了兩個單獨的基因集富集分析：（1）CpG位點附近的基因，其中CpG位點甲基化水平與食物消耗之間的相關性在兩個方面相同（N = 635個基因），即增加的果實和果汁消耗都與增加的CpG位點甲基化水平相關，或增加的消耗與降低的CpG位點甲基化水平相關，和（2）CpG位點附近的CpG位點甲基化水平與食物消耗之間的相關性在相反方向（N = 611個基因），即減少的果實消耗量與CpG位點甲基化水平升高相關，增加的果汁消耗量與降低的CpG位點甲基化水平相關，反之亦然。來自第一次分析的基因集豐富了與細胞外基質組裝和功能相關的許多途徑，其可促進組織發育和體內平衡，例如核心細胞，細胞外基質組織和膠原等（表S6A）。來自第二次分析的基因集，即與相對錶觀遺傳學特徵相關的基因，富集了與細胞週期，端粒酶調節和發育相關的許多途徑，而且還涉及參與免疫系統的基因，特別是適應性免疫系統和途徑，例如抗原處理和交叉表現（表S6B）。這表明與相同基因相關的水果和果汁表觀遺傳學特徵可能對細胞週期和免疫系統相關途徑具有相反的影響。
使用GSEA（分別為N = 1,843和1,872個基因）鑑定了富含水果和果汁表觀遺傳標記附近基因的途徑。雖然果實和果汁表觀遺傳標記都是富含許多相同途徑的基因; 免疫系統，細胞因子信號傳導和細胞週期，例如，這些富集基礎和相關細胞信號傳導途徑是完全不同的，每個組都是獨一無二的。果汁特異性表觀遺傳學特徵豐富了天生和適應性免疫系統基因，更具體地是轉化生長因子（TGF）-β，血管內皮生長因子（VEGF），toll​​樣受體（TLR）4和核因子κ-輕鏈激活的B細胞（NFk-β）信號通路的增強劑等（表S7）。果汁特異性細胞因子信號通路基因包括骨髓分化原發性應答（MYD）88，干擾素調節因子（IRF）8和IRF4，其是免疫細胞過程所需的免疫特異性轉錄因子，例如T細胞分化為T輔助細胞（Th）2和Th17或B細胞的活化（見[ 46 ]）。果汁消費與增強的免疫功能廣泛相關; 這些數據表明可能有助於特異性表觀遺傳調控的促炎症途徑。
相比之下，與果實特異性表觀遺傳學特徵相關的免疫系統基因僅富集適應性免疫系統途徑，特別是抗原加工呈遞。水果特異性表觀遺傳學特徵附近的細胞因子信號轉導基因包括人白細胞抗原（HLA）-F和HLA-DPB1，涉及抗原呈遞和免疫細胞活化的兩個分子。這與以前對老年個體的介入性研究是一致的，其中水果消費與抗原呈遞增加有關[ 47 ]。此外，兩組均富集了一般細胞週期，減數分裂和有絲分裂途徑，但是果實特異性表觀遺傳學特徵與這些途徑中的17％以上的基因相比，分別為果汁特異性表觀遺傳學特徵（75個對62個基因）。附加果實特異性途徑包括那些涉及細胞週期調控和染色體或端粒維持，這是重要的，以促進免疫系統（健康生長和老化表S7和S8）[ 48，49 ]。總的來說，這些數據表明果實和果汁消費相關的表觀遺傳修飾可能影響免疫系統功能的不同領域。

3.3。水果和果汁近端共享基因表觀遺傳學特徵的IPA

WBCs的DNA甲基化譜是從淋巴細胞池中獲得的。為了闡明可能涉及特定淋巴細胞群體的表觀遺傳相關途徑，我們進行了IPA網絡分析，以鑑定富集於水果和果汁特異性表觀遺傳標記附近基因的特定蛋白質 – 蛋白質相互作用網絡。果實特異性分析產生了兩個顯著蛋白-蛋白相互作用網絡（圖2 A; 圖S4A ;網絡分數38兩者）。一個網絡是圍繞菌落中心刺激因子（CSF）2，趨化因子配體（CCL）4，和分化（CD）的第4組（圖2中 A），與巨噬細胞的吸引，增殖和活化相關聯的所有分子50，51 ] 。這與上述GSEA富集抗原呈遞過程一致，並表明巨噬細胞介導的抗原呈遞可能受到水果特異性表觀遺傳學特徵的影響。

營養素09 00752 g002 550
圖2. 來自低P值CpG位點5 kb內的基因的蛋白質 – 蛋白質相互作用網絡的生殖途徑分析（P <0.01）。（A）水果相關網絡1以集落刺激因子（CSF）2，分化簇（CD）4和CC基序趨化因子配體（CCL）4（網絡評分38）為中心; （B）果汁相關網絡1以腫瘤壞死因子（TNF）和集落刺激因子（CSF）3為中心（網絡評分38）。與水果或果汁特異性表觀遺傳標記相關的基因分別以橙色或藍色著色。
果汁特異性分析也產生了兩個顯著的網絡（圖 2B; 圖S4B ;兩者的網絡評分38）。第一個網絡（圖 2B）以腫瘤壞死因子（TNF）α為中心，腫瘤壞死因子（TNF）α是介導先天性免疫系統急性炎症反應的主要促炎細胞因子，CSF3是刺激骨髓中粒細胞產生並釋放到血液中的分子[ 52 ]。第二個以MYD88，IRF8，IRF4和DNA結合（ID）3的抑製劑為中心，免疫細胞過程如T細胞分化為Th2和Th17或B細胞活化所需的免疫特異性轉錄因子[ 53 ] 46 ]），以及CC基序趨化因子受體（CCR）7與Th1細胞分化和耐受相關的分子[ 54 ]。這些數據符合GSEA分析，其涉及與果汁表觀遺傳學特徵相關的先天和適應性免疫途徑。總而言之，“近期行動計劃”分析增加了關於可能影響免疫耐受（水果）或炎症過程（果汁）的水果或果汁特異性表觀遺傳相關細胞信號傳導途徑的進一步信息。

3.4。DHS濃縮分析

為了增加我們對與果汁和水果特異性表觀遺傳學特徵相關的免疫細胞群體的了解，我們使用在線程序eFORGE [ 44 ] 掃描來自特異性免疫細胞群體的全基因組DNase超敏反應位點，以豐富這些特徵。水果特異性表觀遺傳學特徵（N = 739個CpG位點; P <0.001）在天然殺傷（NK）細胞DHS（P = 0.00011; 圖S5A）中富集。具體果汁後生簽名（N = 749個CpG位點; P < 0.001）的富集了原代外周血T，NK和B細胞DHS，以及原代單核DHS（P = 5.14×10 -6，9.17×10 -6，0.0018，4.65×10 -4分別; 圖S5 B）。這與IPA分析一致，這突出了與B和T細胞分化和激活相關的細胞信號傳導途徑的豐富。為了評估效果的方向，即增加的果汁消耗是​​否與降低的CpG位點甲基化水平（負相關）或甲基化水平升高（正相關）相關，我們將CpG位點分層為正值的P < 0.001或與果實或果汁消耗負相關，並重新進行eFORGE分析。對於水果特異性CpG位點的子集或正相關的果汁CpG位點沒有濃縮（圖S5C -E）。原始T（P = 2.22×10 -4）和NK（P = 5.63×10 -5）細胞DHS（圖S5F）富集了負相關的CpG位點，表明增加的果汁消耗可能降低DHS內的全局DNA甲基化水平特定的初級免疫細胞群，特別是T細胞和NK細胞調節區。
為了更好地了解上述部位在B細胞和T細胞中可能會影響的途徑，我們進行了IPA蛋白質 – 蛋白質相互作用網絡分析，以鑑定富含較低甲基化並增加果汁消耗的低P值CpG位點附近基因的特異性途徑。這個分析產生了兩個網絡。一個網絡以TNF為主（圖S6 ;網絡得分= 43）是一個主要的促炎分子，而第二個以ID3，蛋白酪氨酸磷酸酶，非受體6型（PTPN6）和CCR7（網絡評分= 43）為中心，參與造血細胞分化[分子55 ]和公差[ 54，56 ]。啟動子區域中的甲基化降低通常與增加的基因表達相關，因此觀察到的啟動子甲基化隨著汁液攝取量的增加而降低可增強NK或T細胞活化後的途徑信號。有趣的是，增加的NK細胞裂解活性與增加果汁消耗有關[ 57 ]。總而言之，這表明果汁特異性表觀遺傳學特徵可能促進活化的NK和T細胞之間增強的免疫應答，其中一個子集也支持增加細胞分化和免疫耐受。

4。討論

營養表觀遺傳學領域允許通過鑑定營養基因或更全面的營養通路相互作用來對營養物誘導的身體變化進行分子水平評估。營養誘導的表觀遺傳修飾可以改變對環境刺激的無數細胞反應[ 58 ]，如對感染的免疫反應。我們應用這種方法來比較和對比在PBMC中與果實或果汁消耗相關的表觀遺傳相關途徑。一般地，我們的研究結果支持水果和果汁消費對免疫系統的健康，尤其是降低DNA損傷和免疫系統的激活的定義良好的效果（綜述[ 2，59 ]）。此外，我們證明水果和果汁相關的表觀遺傳標記彼此不同，並與不同的潛在細胞信號通路相關聯。這不僅在獨立的果實和果汁特異性表觀遺傳學特徵中觀察到，而且在與免疫相關途徑中的相對錶觀遺傳學特徵（可能是基因表達）相關的共享基因中也被觀察到。這與普通的概念相反，水果和果汁在營養上是相似的，因而賦予類似的有益效果。事實上，所提供的數據表明，水果和果汁消費調節免疫功能的不同方面，富含促炎反應和免疫耐受途徑的果汁表觀遺傳標記附近的基因，而果實表觀遺傳標記附近的基因則被豐富用於免疫監視和染色體或端粒維持途徑。總的來說，我們的研究結果表明，果汁和果汁消費可能不會賦予相同的免疫健康益處，並為進一步研究提供新的途徑和免疫功能。
在我們的研究中觀察到的表觀遺傳差異可能歸因於果實和果汁之間果實纖維含量的變化。纖維是一種基本不消化的分子，改變了共同消耗的營養物質的消化速率，從而影響了水分來源的養分吸收和最終加工的腸道位置和機制（在[ 22 ]中綜述）。多在腸道吸收該變化的可能是由於在通過腸道菌群[營養物分解的變化21，60，61 ]，它在組合物在整個腸變化。為了支持這一點，觀察性研究表明，水果和蔬菜消費的抗炎作用在水果和蔬菜纖維攝入量升高的個體中較高[ 62 ]。這表明消費更多果汁的個體可能會從攝取其他形式的水果纖維中獲益。無論如何，我們的觀察結果需要進一步研究果汁和果汁消費的具體免疫學優勢。
我們注意到我們研究的局限性。由於觀察性研究的本質，我們的發現是相關的，不能推斷因果關係。此外，我們不能折扣，我們的研究結果的一部分可能是由於可能與水果或果汁常規共用的其他食物。然而，根據對我們結論的文獻支持，我們認為這是不可能的。
我們首次證明果汁和水果消費與全球表觀遺傳變異相關，並且這些主要獨立的特徵表明水果和果汁消耗分別影響免疫細胞群體和免疫功能的不同方面，特別是免疫監視和促炎症途徑活化。此外，我們的分析涉及與這些組相關的新穎的表觀遺傳調控的靶分子和途徑，從而為這些關聯的潛在分子機制提供新的見解。了解營養攝入如何促進生理表型，如免疫功能，是利用營養來改善人體健康和最終個性化營養的第一步。

補充材料：

以下網址可從www.mdpi.com/2072-6643/9/7/752/s1在線獲得，圖S1：具有全基因組DNA甲基化數據的2386個個體的主要成分分析。圖S2：數據分析概述圖。圖S3：果實和果汁的P-值分佈線性回歸分析。圖S4：從低P值CpG位點的5 kb內的基因得到的蛋白質 – 蛋白質相互作用網絡的發育途徑分析。圖S5：果汁和果汁特異性CpG位點的eFORGE分析（P < 0.001）。圖S6：從負相關的果汁特異性低P值CpG位點的5kb內的基因衍生的蛋白質 – 蛋白質相互作用網絡的發育途徑分析（P < 0.01）。表S1：水果和蔬菜分組的定義，表S2：主成分分析產出，表S3：替代變量（列）與可用的Framingham性狀（行）之間的相關性，表S4：水果消費的線性回歸結果，表S5：線性果汁消費的回歸結果，表S6：共享基因的基因集富集分析結果（FDR 5％）。表S7：與果實特異性表觀遺傳學特徵相關基因的基因集富集分析結果。表S8：與果汁特異性表觀遺傳標記相關的基因的基因集富集分析結果。

致謝

Framingham心髒病研究由波士頓大學（N01-HC-25195號合作）與國立心臟，肺和血液研究所（NHLBI）合作進行和支持。該手稿並未與Framingham心臟研究的調查人員合作準備，並不一定反映波士頓大學Framingham心臟研究或NHLBI的意見或觀點。Framingham數據的計算分析由USANA健康科學資助。

作者貢獻

R.A.S. and J.N.-J. conceived the study; J.N.-J. designed the experiments; J.N.-J. analyzed the data J.N.-J. wrote the paper.

利益衝突

J.N.-J. and R.A.S. are employed by USANA Health Sciences.

參考文獻

  1. Sherry, C.L.; Kim, S.S.; Dilger, R.N.; Bauer, L.L.; Moon, M.L.; Tapping, R.I.; Fahey, G.C., Jr.; Tappenden, K.A.; Freund, G.G. Sickness behavior induced by endotoxin can be mitigated by the dietary soluble fiber, pectin, through up-regulation of IL-4 and Th2 polarization. Brain. Behav. Immun. 2010, 24, 631–640. [Google Scholar] [CrossRef] [PubMed]
  2. Lampe, J.W. Health effects of vegetables and fruit: Assessing mechanisms of action in human experimental studies. Am. J. Clin. Nutr. 1999, 70, 475S–490S. [Google Scholar] [PubMed]
  3. Cuevas, A.; Saavedra, N.; Salazar, L.A.; Abdalla, D.S. Modulation of immune function by polyphenols: Possible contribution of epigenetic factors. Nutrients 2013, 5, 2314–2332. [Google Scholar] [CrossRef] [PubMed]
  4. Buil-Cosiales, P.; Martinez-Gonzalez, M.A.; Ruiz-Canela, M.; Diez-Espino, J.; Garcia-Arellano, A.; Toledo, E. Consumption of Fruit or Fiber-Fruit Decreases the Risk of Cardiovascular Disease in a Mediterranean Young Cohort.Nutrients 2017, 9, 295. [Google Scholar] [CrossRef] [PubMed]
  5. Hu, D.; Huang, J.; Wang, Y.; Zhang, D.; Qu, Y. Fruits and vegetables consumption and risk of stroke: A meta-analysis of prospective cohort studies. Stroke 2014, 45, 1613–1619. [Google Scholar] [CrossRef] [PubMed]
  6. Dauchet, L.; Amouyel, P.; Hercberg, S.; Dallongeville, J. Fruit and vegetable consumption and risk of coronary heart disease: A meta-analysis of cohort studies. J. Nutr. 2006, 136, 2588–2593. [Google Scholar] [PubMed]
  7. Dauchet, L.; Amouyel, P.; Dallongeville, J. Fruits, vegetables and coronary heart disease. Nat. Rev. Cardiol. 2009, 6, 599–608. [Google Scholar] [CrossRef] [PubMed]
  8. Wang, X.; Ouyang, Y.; Liu, J.; Zhu, M.; Zhao, G.; Bao, W.; Hu, FB. Fruit and vegetable consumption and mortality from all causes, cardiovascular disease, and cancer: Systematic review and dose-response meta-analysis of prospective cohort studies. BMJ 2014, 349, g4490. [Google Scholar] [CrossRef] [PubMed]
  9. Genkinger, J.M.; Platz, E.A.; Hoffman, S.C.; Comstock, G.W.; Helzlsouer, K.J. Fruit, vegetable, and antioxidant intake and all-cause, cancer, and cardiovascular disease mortality in a community-dwelling population in Washington County, Maryland. Am. J. Epidemiol. 2004, 160, 1223–1233. [Google Scholar] [CrossRef] [PubMed]
  10. Hosseini, B.; Berthon, B.S.; Wark, P.; Wood, L.G. Effects of Fruit and Vegetable Consumption on Risk of Asthma, Wheezing and Immune Responses: A Systematic Review and Meta-Analysis. Nutrients 2017, 9, 341. [Google Scholar] [CrossRef] [PubMed]
  11. Agudo, A.; Cabrera, L.; Amiano, P.; Ardanaz, E.; Barricarte, A.; Berenguer, T.; Chirlaque, M.D.; Dorronsoro, M.; Jakszyn, P.; Larranaga, N.; et al. Fruit and vegetable intakes, dietary antioxidant nutrients, and total mortality in Spanish adults: Findings from the Spanish cohort of the European Prospective Investigation into Cancer and Nutrition (EPIC-Spain).Am. J. Clin. Nutr. 2007, 85, 1634–1642. [Google Scholar] [PubMed]
  12. Nicklett, E.J.; Semba, R.D.; Xue, Q.L.; Tian, J.; Sun, K.; Cappola, A.R.; Simonsick, E.M.; Ferrucci, L.; Fried, L.P. Fruit and vegetable intake, physical activity, and mortality in older community-dwelling women. J. Am. Geriatr. Soc. 2012, 60, 862–868. [Google Scholar] [CrossRef] [PubMed]
  13. Strandhagen, E.; Hansson, P.O.; Bosaeus, I.; Isaksson, B.; Eriksson, H. High fruit intake may reduce mortality among middle-aged and elderly men. The Study of Men Born in 1913. Eur. J. Clin. Nutr. 2000, 54, 337–341. [Google Scholar] [CrossRef] [PubMed]
  14. Muraki, I.; Imamura, F.; Manson, J.E.; Hu, F.B.; Willett, W.C.; van Dam, R.M.; Sun, Q. Fruit consumption and risk of type 2 diabetes: Results from three prospective longitudinal cohort studies. BMJ 2013, 347, f5001. [Google Scholar] [CrossRef] [PubMed]
  15. Zheng, Y.; Li, Y.; Huang, T.; Cheng, H.L.; Campos, H.; Qi, L. Sugar-sweetened beverage intake, chromosome 9p21 variants, and risk of myocardial infarction in Hispanics. Am. J. Clin. Nutr. 2016, 103, 1179–1184. [Google Scholar] [CrossRef] [PubMed]
  16. Loh, D.A.; Moy, F.M.; Zaharan, N.L.; Jalaludin, M.Y.; Mohamed, Z. Sugar-sweetened beverage intake and its associations with cardiometabolic risks among adolescents. Pediatr. Obes. 2017, 12, e1–e5. [Google Scholar] [CrossRef] [PubMed]
  17. Yuzbashian, E.; Asghari, G.; Mirmiran, P.; Zadeh-Vakili, A.; Azizi, F. Sugar-sweetened beverage consumption and risk of incident chronic kidney disease: Tehran lipid and glucose study. Nephrology 2016, 21, 608–616. [Google Scholar] [CrossRef] [PubMed]
  18. Shishehbor, F.; Mohammad Shahi, M.; Zarei, M.; Saki, A.; Zakerkish, M.; Shirani, F.; Zare, M. Effects of Concentrated Pomegranate Juice on Subclinical Inflammation and Cardiometabolic Risk Factors for Type 2 Diabetes: A Quasi-Experimental Study. Int. J. Endocrinol. Metab. 2016, 14, e33835. [Google Scholar] [CrossRef] [PubMed]
  19. Zheng, J.; Zhou, Y.; Li, S.; Zhang, P.; Zhou, T.; Xu, D.P.; Li, H.B. Effects and Mechanisms of Fruit and Vegetable Juices on Cardiovascular Diseases. Int. J. Mol. Sci. 2017, 18, 555. [Google Scholar] [CrossRef] [PubMed]
  20. Tagtow, A.; Rahavi, E.; Bard, S.; Stoody, E.E.; Casavale, K.; Mosher, A. Coming Together to Communicate the 2015–2020 Dietary Guidelines for Americans. J. Acad. Nutr. Diet. 2016, 116, 209–212. [Google Scholar] [CrossRef] [PubMed]
  21. Kuntz, S.; Kunz, C.; Domann, E.; Wurdemann, N.; Unger, F.; Rompp, A.; Rudloff, S. Inhibition of Low-Grade Inflammation by Anthocyanins after Microbial Fermentation in Vitro. Nutrients 2016, 8, 411. [Google Scholar] [CrossRef] [PubMed]
  22. Lattimer, J.M.; Haub, M.D. Effects of dietary fiber and its components on metabolic health. Nutrients 2010, 2, 1266–1289. [Google Scholar] [CrossRef] [PubMed]
  23. Robertson, K.D. DNA methylation and human disease. Nat. Rev. Genet. 2005, 6, 597–610. [Google Scholar] [CrossRef] [PubMed]
  24. Supic, G.; Jagodic, M.; Magic, Z. Epigenetics: A new link between nutrition and cancer. Nutr. Cancer 2013, 65, 781–792. [Google Scholar] [CrossRef] [PubMed]
  25. Anderson, O.S.; Sant, K.E.; Dolinoy, D.C. Nutrition and epigenetics: An interplay of dietary methyl donors, one-carbon metabolism and DNA methylation. J. Nutr. Biochem. 2012, 23, 853–859. [Google Scholar] [CrossRef] [PubMed]
  26. Nicodemus-Johnson, J.; Myers, R.A.; Sakabe, N.J.; Sobreira, D.R.; Hogarth, D.K.; Naureckas, E.T.; Sperling, A.I.; Solway, J.; White, S.R.; Nobrega, M.A.; et al. DNA methylation in lung cells is associated with asthma endotypes and genetic risk.JCI Insight 2016, 1, e90151. [Google Scholar] [CrossRef] [PubMed]
  27. Nicodemus-Johnson, J.; Naughton, K.A.; Sudi, J.; Hogarth, K.; Naurekas, E.T.; Nicolae, D.L.; Sperling, A.I.; Solway, J.; White, S.R.; Ober, C. Genome-Wide Methylation Study Identifies an IL-13-induced Epigenetic Signature in Asthmatic Airways. Am. J. Respir. Crit. Care Med. 2016, 193, 376–385. [Google Scholar] [CrossRef] [PubMed]
  28. Jones, A.; Teschendorff, A.E.; Li, Q.; Hayward, J.D.; Kannan, A.; Mould, T.; West, J.; Zikan, M.; Cibula, D.; Fiegl, H.; et al. Role of DNA methylation and epigenetic silencing of HAND2 in endometrial cancer development. PLoS Med. 2013, 10, e1001551. [Google Scholar] [CrossRef] [PubMed]
  29. Tremblay, B.L.; Guenard, F.; Rudkowska, I.; Lemieux, S.; Couture, P.; Vohl, M.C. Epigenetic changes in blood leukocytes following an omega-3 fatty acid supplementation. Clin. Epigenet. 2017, 9. [Google Scholar] [CrossRef] [PubMed]
  30. Bae, S.; Ulrich, C.M.; Bailey, L.B.; Malysheva, O.; Brown, E.C.; Maneval, D.R.; Neuhouser, M.L.; Cheng, T.Y.; Miller, J.W.; Zheng, Y.; et al. Impact of folic acid fortification on global DNA methylation and one-carbon biomarkers in the Women’s Health Initiative Observational Study cohort. Epigenetics 2014, 9, 396–403. [Google Scholar] [CrossRef] [PubMed]
  31. Bishop, K.S.; Ferguson, L.R. The interaction between epigenetics, nutrition and the development of cancer. Nutrients2015, 7, 922–947. [Google Scholar] [CrossRef] [PubMed]
  32. Kannel, W.B.; Feinleib, M.; McNamara, P.M.; Garrison, R.J.; Castelli, W.P. An investigation of coronary heart disease in families. The Framingham offspring study. Am. J. Epidemiol. 1979, 110, 281–290. [Google Scholar] [CrossRef] [PubMed]
  33. Posner, B.M.; Martin-Munley, S.S.; Smigelski, C.; Cupples, L.A.; Cobb, J.L.; Schaefer, E.; Miller, D.R.; D’Agostino, R.B. Comparison of techniques for estimating nutrient intake: The Framingham Study. Epidemiology 1992, 3, 171–177. [Google Scholar] [CrossRef] [PubMed]
  34. Rimm, E.B.; Giovannucci, E.L.; Stampfer, M.J.; Colditz, G.A.; Litin, L.B.; Willett, W.C. Reproducibility and validity of an expanded self-administered semiquantitative food frequency questionnaire among male health professionals. Am. J. Epidemiol. 1992, 135, 1114–1126; discussion 1127–1136. [Google Scholar] [CrossRef] [PubMed]
  35. Bibikova, M.; Barnes, B.; Tsan, C.; Ho, V.; Klotzle, B.; Le, J.M.; Delano, D.; Zhang, L.; Schroth, G.P.; Gunderson, K.L.; et al. High density DNA methylation array with single CpG site resolution. Genomics 2011, 98, 288–295. [Google Scholar] [CrossRef] [PubMed]
  36. Banovich, N.E.; Lan, X.; McVicker, G.; van de Geijn, B.; Degner, J.F.; Blischak, J.D.; Roux, J.; Pritchard, J.K.; Gilad, Y. Methylation QTLs are associated with coordinated changes in transcription factor binding, histone modifications, and gene expression levels. PLoS Genet. 2014, 10, e1004663. [Google Scholar] [CrossRef] [PubMed]
  37. Aryee, M.J.; Jaffe, A.E.; Corrada-Bravo, H.; Ladd-Acosta, C.; Feinberg, A.P.; Hansen, K.D.; Irizarry, R.A. Minfi: A flexible and comprehensive Bioconductor package for the analysis of Infinium DNA methylation microarrays. Bioinformatics2014, 30, 1363–1369. [Google Scholar] [CrossRef] [PubMed]
  38. Maksimovic, J.; Gordon, L.; Oshlack, A. SWAN: Subset-quantile within array normalization for illumina infinium HumanMethylation450 BeadChips. Genome Biol. 2012, 13, R44. [Google Scholar] [CrossRef] [PubMed]
  39. Mendelson, M.M.; Marioni, R.E.; Joehanes, R.; Liu, C.; Hedman, A.K.; Aslibekyan, S.; Demerath, E.W.; Guan, W.; Zhi, D.; Yao, C.; et al. Association of Body Mass Index with DNA Methylation and Gene Expression in Blood Cells and Relations to Cardiometabolic Disease: A Mendelian Randomization Approach. PLoS Med. 2017, 14, e1002215. [Google Scholar] [CrossRef] [PubMed]
  40. Johnson, W.E.; Li, C.; Rabinovic, A. Adjusting batch effects in microarray expression data using empirical Bayes methods. Biostatistics 2007, 8, 118–127. [Google Scholar] [CrossRef] [PubMed]
  41. Leek, J.T.; Storey, J.D. Capturing heterogeneity in gene expression studies by surrogate variable analysis. PLoS Genet.2007, 3, 1724–1735. [Google Scholar] [CrossRef] [PubMed]
  42. Liang, L.; Cookson, W.O. Grasping nettles: Cellular heterogeneity and other confounders in epigenome-wide association studies. Hum. Mol. Genet. 2014, 23, R83–R88. [Google Scholar] [CrossRef] [PubMed]
  43. Ritchie, M.E.; Phipson, B.; Wu, D.; Hu, Y.; Law, C.W.; Shi, W.; Smyth, G.K. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015, 43, e47. [Google Scholar] [CrossRef] [PubMed]
  44. Breeze, C.E.; Paul, D.S.; van Dongen, J.; Butcher, L.M.; Ambrose, J.C.; Barrett, J.E.; Lowe, R.; Rakyan, V.K.; Iotchkova, V.; Frontini, M.; et al. eFORGE: A Tool for Identifying Cell Type-Specific Signal in Epigenomic Data. Cell Rep. 2016, 17, 2137–2150. [Google Scholar] [CrossRef] [PubMed]
  45. Subramanian, A.; Tamayo, P.; Mootha, V.K.; Mukherjee, S.; Ebert, B.L.; Gillette, M.A.; Paulovich, A.; Pomeroy, S.L.; Golub, T.R.; Lander, E.S.; et al. Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proc. Natl. Acad. Sci. USA 2005, 102, 15545–15550. [Google Scholar] [CrossRef] [PubMed]
  46. Singh, H.; Glasmacher, E.; Chang, A.B.; Vander Lugt, B. The molecular choreography of IRF4 and IRF8 with immune system partners. Cold Spring Harb. Symp. Quant. Biol. 2013, 78, 101–104. [Google Scholar] [CrossRef] [PubMed]
  47. Gibson, A.; Edgar, J.D.; Neville, C.E.; Gilchrist, S.E.; McKinley, M.C.; Patterson, C.C.; Young, I.S.; Woodside, J.V. Effect of fruit and vegetable consumption on immune function in older people: A randomized controlled trial. Am. J. Clin. Nutr. 2012, 96, 1429–1436. [Google Scholar] [CrossRef] [PubMed]
  48. Balomenos, D.; Martinez, A.C. Cell-cycle regulation in immunity, tolerance and autoimmunity. Immunol. Today 2000, 21, 551–555. [Google Scholar] [CrossRef]
  49. Effros, R.B. Telomere/telomerase dynamics within the human immune system: Effect of chronic infection and stress.Exp. Gerontol. 2011, 46, 135–140. [Google Scholar] [CrossRef] [PubMed]
  50. Francisco-Cruz, A.; Aguilar-Santelises, M.; Ramos-Espinosa, O.; Mata-Espinosa, D.; Marquina-Castillo, B.; Barrios-Payan, J.; Hernandez-Pando, R. Granulocyte-macrophage colony-stimulating factor: Not just another haematopoietic growth factor. Med. Oncol. 2014, 31, 774. [Google Scholar] [CrossRef] [PubMed]
  51. Ren, M.; Guo, Q.; Guo, L.; Lenz, M.; Qian, F.; Koenen, R.R.; Xu, H.; Schilling, A.B.; Weber, C.; Ye, R.D.; et al. Polymerization of MIP-1 chemokine (CCL3 and CCL4) and clearance of MIP-1 by insulin-degrading enzyme. EMBO J.2010, 29, 3952–3966. [Google Scholar] [CrossRef] [PubMed]
  52. Tay, J.; Levesque, J.P.; Winkler, I.G. Cellular players of hematopoietic stem cell mobilization in the bone marrow niche.Int. J. Hematol. 2017, 105, 129–140. [Google Scholar] [CrossRef] [PubMed]
  53. Miyazaki, M.; Miyazaki, K.; Chen, S.; Itoi, M.; Miller, M.; Lu, L.F.; Varki, N.; Chang, A.N.; Broide, D.H.; Murre, C. Id2 and Id3 maintain the regulatory T cell pool to suppress inflammatory disease. Nat. Immunol. 2014, 15, 767–776. [Google Scholar] [CrossRef] [PubMed]
  54. Kaneko, T.; Saito, Y.; Kotani, T.; Okazawa, H.; Iwamura, H.; Sato-Hashimoto, M.; Kanazawa, Y.; Takahashi, S.; Hiromura, K.; Kusakari, S.; et al. Dendritic cell-specific ablation of the protein tyrosine phosphatase Shp1 promotes Th1 cell differentiation and induces autoimmunity. J. Immunol. 2012, 188, 5397–5407. [Google Scholar] [CrossRef] [PubMed]
  55. Chong, Z.Z.; Maiese, K. The Src homology 2 domain tyrosine phosphatases SHP-1 and SHP-2: Diversified control of cell growth, inflammation, and injury. Histol. Histopathol. 2007, 22, 1251–1267. [Google Scholar] [PubMed]
  56. Forster, R.; Davalos-Misslitz, A.C.; Rot, A. CCR7 and its ligands: Balancing immunity and tolerance. Nat. Rev. Immunol.2008, 8, 362–371. [Google Scholar] [CrossRef] [PubMed]
  57. Bub, A.; Watzl, B.; Blockhaus, M.; Briviba, K.; Liegibel, U.; Muller, H.; Pool-Zobel, B.L.; Rechkemmer, G. Fruit juice consumption modulates antioxidative status, immune status and DNA damage. J. Nutr. Biochem. 2003, 14, 90–98. [Google Scholar] [CrossRef]
  58. Thurnham, D.I. Interactions between nutrition and immune function: Using inflammation biomarkers to interpret micronutrient status. Proc. Nutr. Soc. 2014, 73, 1–8. [Google Scholar] [CrossRef] [PubMed]
  59. Liu, R.H. Health-promoting components of fruits and vegetables in the diet. Adv. Nutr. 2013, 4, 384S–392S. [Google Scholar] [CrossRef] [PubMed]
  60. Turnbaugh, P.J.; Ley, R.E.; Mahowald, M.A.; Magrini, V.; Mardis, E.R.; Gordon, J.I. An obesity-associated gut microbiome with increased capacity for energy harvest. Nature 2006, 444, 1027–1031. [Google Scholar] [CrossRef] [PubMed]
  61. Qin, J.; Li, R.; Raes, J.; Arumugam, M.; Burgdorf, K.S.; Manichanh, C.; Nielsen, T.; Pons, N.; Levenez, F.; Yamada, T.; et al. A human gut microbial gene catalogue established by metagenomic sequencing. Nature 2010, 464, 59–65. [Google Scholar] [CrossRef] [PubMed]
  62. Hermsdorff, H.H.; Zulet, M.A.; Puchau, B.; Martinez, J.A. Fruit and vegetable consumption and proinflammatory gene expression from peripheral blood mononuclear cells in young adults: A translational study. Nutr. Metab. 2010, 7, 42. [Google Scholar] [CrossRef] [PubMed]