Nieves Martínez

1 Área de Microbiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju.der@1000cmnm (N.M.); se.neaju@ogladihm (M.H.); se.neaju@onilomca (A.C.); se.neaju@zevlaga (A.G.)

рафинирано

Изабел Прието

2 Área de Fisiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju@oteirpi (I.P.); se.neaju@arragesa (A.B.S.); se.neaju@zehcnasm (М.Р.)

Марина Идалго

1 Área de Microbiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju.der@1000cmnm (N.M.); se.neaju@ogladihm (M.H.); se.neaju@onilomca (A.C.); se.neaju@zevlaga (A.G.)

Ана Белен Сегара

2 Área de Fisiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju@oteirpi (I.P.); se.neaju@arragesa (A.B.S.); se.neaju@zehcnasm (М.Р.)

Ана М. Мартинес-Родригес

3 Departamento de Estadística e Investigación Operativa, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju@nitramma

Антонио Кобо

1 Área de Microbiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju.der@1000cmnm (N.M.); se.neaju@ogladihm (M.H.); se.neaju@onilomca (A.C.); se.neaju@zevlaga (A.G.)

Мануел Рамирес

2 Área de Fisiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju@oteirpi (I.P.); se.neaju@arragesa (A.B.S.); se.neaju@zehcnasm (М.Р.)

Антонио Галвес

1 Área de Microbiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju.der@1000cmnm (N.M.); se.neaju@ogladihm (M.H.); se.neaju@onilomca (A.C.); se.neaju@zevlaga (A.G.)

Магдалена Мартинес-Канямеро

1 Área de Microbiología, Departamento de Ciencias de la Salud, Universidad de Jaén, Paraje de Las Lagunillas s/n, Jaén 23072, Испания; se.neaju.der@1000cmnm (N.M.); se.neaju@ogladihm (M.H.); se.neaju@onilomca (A.C.); se.neaju@zevlaga (A.G.)

Свързани данни

Резюме

1. Въведение

Отрицателните ефекти на диетите с високо съдържание на мазнини (HFD) върху здравето, предимно благоприятстващи състоянието, известно като метаболитен синдром и влошаването на няколко сърдечно-съдови променливи, са известни отдавна [1]. Едва през последните десет години ефектът от диетата върху преобладаващите микробни таксони, които обитават червата [2], и възможното влияние на дисбаланс на чревния микроб или дисбиоза върху физиологията на животните [3], имат са широко признати. Чревните микроорганизми играят съществена роля в хомеостазата на гостоприемника и нарушената микробна екология на дебелото черво може да доведе до множество нарушения от различни видове, не само храносмилателни, но и метаболитни или дори когнитивни през оста на червата и мозъка. Следователно чревната микробиота се очертава като нов и важен фактор, който трябва да се има предвид при негативните последици от HFD [4].

От години диетолози и изследователи твърдят, че въздействието на липидите е различно в зависимост от степента им на насищане [6,7] и, следователно, този различен ефект има съпътстващи резултати, както и върху профила на микробиотата [8]. По-специално, мононенаситените мастни киселини се считат за особено здравословни [9] и сред тях маслиновото масло е широко изследвано поради преобладаващата му роля в средиземноморската диета и неговите оценени сензорни характеристики [10]. Следователно специфичният ефект на маслиновото масло върху чревната микробиота беше изключително интересен и изследването беше проведено от нашата лаборатория, използвайки, първо, денатурираща градиентна гел електрофореза [11] и наскоро, използвайки 16S рибозомен ДНК метагеномен подход [12], както е обяснено по-долу по-долу В тази секция.

2. Материали и методи

2.1. Животни

Следваха експериментални процедури, както вече беше описано за три от четирите диети в справка [12] (SD, стандартна диета с чау; диети с високо съдържание на мазнини: EVOO, стандартна чау, обогатена с необработен зехтин и BT, стандартна чау, обогатена с масло, до достигайки 35% от общата енергия и в двата случая). В тази работа е добавена и четвърта експериментална група, хранена с диета ROO, състояща се от стандартна чау, обогатена с рафиниран зехтин, докато достигне 35% от общата енергия. Както в Prieto et al. [12], беше използван стандартен Chow Panlab A04, но този път той беше допълнен с 20% рафиниран зехтин вместо необработен зехтин или масло. Таблица 1 показва състава на четирите диети. Накратко, хранехме ad libitum 8 мъжки швейцарски мишки Webster със SD диета и 9 мишки съответно с EVOO, BT и ROO диети, което направи общо 35 мишки, за период от 12 седмици.

маса 1

Хранителен състав и енергийно съдържание на стандартни (SD) и диети с високо съдържание на мазнини, обогатени с екстра върджин зехтин (EVOO), рафиниран зехтин (ROO) и масло (BT).

Диета.SDEVOOROOBTСъстав g/100 g% енергия g/100 g% енергия g/100 g% енергия g/100 g% енергия
Протеин16.520.16.514.16.514.16.514.
Въглехидрати6072554855485548
Дебел3820.3520.3520.35
Обща енергия (kJ/g)14.219.619.619.6

2.2. Бактериално биоразнообразие

2.3. Статистически изследвания

За статистическия анализ следвахме процедурите, описани по-рано [12]. Статистически значимите разлики в разпределенията на променливите, които представляват интерес, според вида на диетата са тествани при 5% от значимостта чрез тест ANOVA или Kruskal – Wallis в зависимост от това дали предположенията са изпълнени или не. Когато нулевата хипотеза беше отхвърлена, бяха извършени двойни сравнения чрез тест на Дън с р-стойности, коригирани чрез корекция на Bonferroni. В допълнение, за всяка физиологична променлива, която се разглежда, са разработени множество модели на линейна регресия, като се използват като независими променливи тези, които показват значителни разлики в ANOVA или теста на Kruskal-Wallis. Моделите на регресия бяха монтирани чрез поетапна регресия и елиминиране назад. Използваният статистически софтуер беше SPSS 19 IBM (Armonk, NY, USA), R 3.4.4 (Auckland, New Zealand, and Gretl 2018c (San Diego, CA, USA).