不同年龄抑郁症患者认知功能障碍与肠道菌群失调的关联

Association between cognitive dysfunction and gut dysbiosis in depression patients with different ages

摘要

目的 探讨不同年龄抑郁症患者的认知功能差异及其与肠道菌群结构改变的特异性关联。 方法 本研究共纳入99例抑郁症患者，以年龄均值（25.67岁）为界分为较小年龄组（<25岁，LG组，n=56）和较大年龄组（≥25岁，HG组，n=43）。采用THINC集成工具评估所有患者的神经心理；采集粪便样本进行宏基因组测序以分析肠道菌群结构。Spearman偏相关性分析探究差异菌群与认知功能及临床症状（HAMD-17、HAMA）的关联。 结果 与LG组相比，HG组患者在THINC⁃it总分、客观综合测试、选择反应时间（CRT）、1-Back工作记忆任务（1-Back memory task， 1-Back）和数字符号替换测试（DSST）的表现更差（P≤0.001）。宏基因组分析显示，两组间在种水平上鉴定出14个存在显著丰度差异的菌种，其中HG组中8个显著增加，6个显著减少（P<0.05）。在HG组中丰度增加的菌种，如Bacteroidaceae_bacterium、Lachnospiraceae_bacterium_OM04_12BH、Mediterraneibacter_sp_gm002、Prevotella_copri_clade_A、Ruminococcus_bicirculans和Weissella_cibaria与总体认知评分呈显著负相关（P<0.05），其中部分菌种与客观认知测试综合评分、1-Back、DSST和CRT也呈现显著的负相关（P<0.05）。这些差异菌群与抑郁、焦虑严重程度及血清代谢物水平均无显著相关性。 结论 本研究证实了大于25岁的抑郁症患者肠道菌群失调与其认知功能损伤存在独立于核心精神症状和代谢物的特异性关联，提示菌群—肠—脑轴中非代谢机制可能在该病理过程中起关键作用。

Abstract

Objective To investigate the differences in cognitive function among depression patients with different ages， and analyze their specific association with alterations in gut microbiota structure. Methods A total of 99 patients with depression were enrolled and divided into lower-age group（LG， <25 years old， n=56） and higher-age group（HG， ≥25 years old， n=43） based on the mean age（25.67 years old）. Neuropsychological performance was assessed using the THINC-it tool. Fecal samples were collected for metagenomic sequencing to analyze gut microbiota structure. Spearman's partial correlation analysis was employed to explore associations between differential bacterial species and cognitive function， and clinical symptoms（HAMD-17， HAMA）. Results Compared to LG group， patients in HG group demonstrated poorer performance in THINC⁃it total score， objective composite test， choice reaction time（CRT）， 1-Back working memory task， and digit symbol substitution test（DSST）（P≤0.001）. Metagenomic analysis identified 14 bacterial species with significantly differential abundance between the two groups at the species level（P<0.05）， of which 8 significantly increased and 6 significantly decreased in HG group. In HG group， species with increased abundance， such as Bacteroidaceae_bacterium， Lachnospiraceae_bacterium_OM04_12BH， Mediterraneibacter_sp._gm002， Prevotella_copri_clade_A， Ruminococcus_bicirculans， and Weissella_cibaria， showed significant negative correlations with the total cognitive score. Some of these species also exhibited significant negative correlations with the objective cognitive composite score， 1-Back， DSST， and CRT（P<0.05）. These differential microbial species showed no significant correlations with the severity of depression or anxiety and serum metabolite levels. Conclusion This study confirms a specific association between gut dysbiosis and cognitive function impairment in depression patients over 25 years old， independent of core psychiatric symptoms and metabolites， which suggests that non-metabolic mechanisms within the microbiota-gut-brain axis may play a critical role in this pathological process.

Graphical abstract

关键词

抑郁症 / 年龄 / 认知障碍 / 肠道菌群 / 宏基因组 / 菌群—肠—脑轴

Key words

major depressive disorder / age / cognitive dysfunction / gut microbiota / metagenomics / microbiota-gut-brain axis

抑郁症是一种全球范围内的高致残性精神障碍，认知功能如记忆力、注意力和执行功能下降是其核心表现之一^［1］。近年来，越来越多的证据表明，肠道菌群及其代谢产物通过“肠-脑轴”机制参与抑郁症的病理生理过程，并可能影响认知功能^［2，3］。老年抑郁症患者往往表现出更严重的认知功能衰退，这种衰退可能与年龄相关的肠道微生物组改变密切相关。动物实验表明，将老年小鼠的肠道菌群移植给年轻小鼠会诱发肠道和脑部炎症，并伴随认知功能下降^［4］，这种影响可能与年龄相关的黏液形成减少、肠道通透性增加以及血脑屏障破坏有关^［5］。现有研究表明，老年相关的肠道菌群异常与认知衰退和抑郁、焦虑密切相关^［4，6］。近期一项针对268名参与者的纵向研究显示，肠道微生物特征不仅能反映当前的认知和抑郁症状，还能预测未来2年的症状发展^［3］，这为理解老年抑郁症患者更严重的认知损伤提供了新的视角。近期的研究采用孟德尔随机化分析更直接证实了肠道菌群、血清代谢物（如游离胆固醇）与认知障碍之间存在因果关系^［7，8］。基于上述研究进展，本研究提出以下假说：较大年龄的抑郁症患者存在特征性的肠道菌群失调模式。为验证此假说，本研究通过比较不同年龄组抑郁症患者的认知功能表现、肠道菌群组成及血清代谢谱，采用宏基因组学技术和多元统计分析手段，探究年龄特异性菌群改变与认知损伤的关联模式，为阐明菌群—肠—脑轴中非代谢机制的作用提供证据，并为开发针对不同年龄抑郁症患者的精准微生物干预策略奠定理论基础。

1 材料与方法

1.1 研究对象

于2023年1月至12月收集首发或急性复发的抑郁症患者，诊断符合《精神障碍诊断和统计手册第五版》（Diagnostic and Statistical Manual of Mental Disorders， DSM-5）。在入组的第2天清晨，用2 mL抗凝管和5 mL促凝管分别采集患者的静脉全血，促凝管经离心后分离血清以检测代谢物；入组3 d内收集患者的粪便样本以提取粪便DNA。本研究方案经西安交通大学第一附属医院伦理委员会审核通过（XJTU1AF2022LSK-249）。所有被试者均获悉研究内容，并签署了书面知情同意书。

纳入标准：①符合根据DSM-5有关抑郁症诊断的首发或急性复发患者；②年龄18~50岁，初中及以上文化程度；③汉密尔顿抑郁量表（17-item Hamilton Depression Rating Scale， HAMD-17）评分≥17分；④病程不超过5年，入组前6个月内服用精神病药物不超过3 d；⑤入组前3个月内未服用任何抗生素或消炎药物。

排除标准：①伴有不稳定的胃肠道疾病、肝脏病、肾脏病、血液病、内分泌疾病或病史者；②存在脑器质性疾病史或合并症及精神发育迟滞者；③现患传染病或自身免疫性疾病者；④正在服用免疫抑制类或激素类等对免疫系统影响较大的药物；⑤入院近2周内有过体温>38 ℃；⑥近2周内有接种过疫苗或发生过过敏反应；⑦哺乳期、妊娠或有可能在研究期间怀孕的妇女。

1.2 临床症状与认知功能评估

在入组当天，使用病例报告表收集所有患者的一般情况。由两名接受过一致性培训的精神科医生采用HAMD-17和汉密尔顿焦虑量表（Hamilton Anxiety Rating Scale， HAMA）评估患者的抑郁和焦虑症状严重程度。在入组后3 d内，使用THINC集成工具（THINC-it）^［9］同步量化患者的主观认知体验与客观认知表现。5项感知缺陷问卷（Perceived Deficits Questionnaire-5-Item for Depression， PDQ-5-D）通过5个问题（如，过去一周是否难以集中注意力？）量化患者对日常认知功能的主观体验。4项客观测试如选择反应时任务（choice reaction time， CRT）客观评估注意力与执行功能；1-Back工作记忆任务（1-Back memory task， 1-Back）检测工作记忆容量；数字符号替换测验（digit symbol substitution test， DSST）评估视觉信息处理速度；连线测验-B（trail making test part B， TMT-B）测量执行功能与认知转换能力。测试时长约20 min。在统计分析中对CRT（反应时）、TMT-B（完成时间）及PDQ-5-D（缺陷评分）原始数据实施负值转换（×-1）。转换后，5项测试均遵循“分值越高代表认知功能越好”的标准化解释框架。客观测试综合分数为4个客观认知测试评分的均值，总认知测试则是客观和主观认知测试的均值。

1.3 血清代谢物测定

采用全自动血液分析仪分析全血中中性粒细胞、淋巴细胞和单核细胞的数量，并计算其百分比。所有的血清样本经离心分离后分装冻存，检测前缓慢解冻并混匀。采用免疫比浊法测定高敏C-反应蛋白水平，通过抗原抗体反应形成的浊度变化在540 nm波长下定量分析。甲状腺功能指标，包括促甲状腺激素、游离甲状腺素和游离三碘甲腺原氨酸，使用电化学发光免疫分析法检测，基于三联吡啶钌-三丙胺体系的电化学发光反应，通过生物素-链霉亲和素磁珠分离和620 nm发光信号实现超灵敏定量。代谢指标（总胆汁酸、尿素、肌酐、尿酸、总胆固醇、甘油三酯、高密度脂蛋白胆固醇和低密度脂蛋白胆固醇）均采用酶动力学法，通过特定酶促反应体系在340~600 nm波长监测吸光度变化速率进行计算。所有检测在全自动生化分析仪上完成，每批次均包含标准曲线和质控品，确保检测结果的准确性和可重复性。

1.4 粪便DNA宏基因组测序

所有受试者的粪便样本均使用标准化的无菌采集管采集，立即于-80 ℃保存。使用粪便DNA提取试剂盒（QIAamp PowerFecal Pro DNA Kit， Qiagen）提取粪便DNA。提取过程严格遵循制造商的操作规程，并设立阴性对照（提取试剂空白对照）以监控潜在的外源污染。提取的DNA浓度与质量使用荧光计和微量分光光度计定量与质控。合格的DNA样本（浓度>10 ng/μL，A₂₆₀/A₂₈₀比值介于1.8~2.0之间）用于后续建库。

采用带有标签序列（Barcode）的建库试剂盒（Nextera DNA Flex Library Prep Kit， Illumina），通过机械打断（或酶切打断）、末端修复、加A尾、连接测序接头、PCR扩增等步骤构建测序文库。文库构建后使用安捷伦生物分析仪（Agilent 2100 Bioanalyzer）检测片段大小分布，并使用qPCR方法精确定量。在Illumina NovaSeq 6000高通量测序平台测序。数据下机后使用FastQC评估原始数据质量。使用MetaPhlAn 4.0^［10］将高质量的非宿主reads在微生物参考数据库上比对以得到种水平的微生物群落相对丰度表。

1.5 统计学分析

使用SPSS 23.0（Armonk， NY： International Business Machines Corp.）和R4.2.2统计分析数据。对于符合正态分布的一般资料，数据表示为均值±标准差（X±S），组间差异通过两独立样本t检验评估；肠道菌群数据呈非正态分布，以M（P₂₅，P₇₅）呈现，组间差异采用Mann-Whitney U检验分析。分类变量采用χ²检验。协方差分析计算组间认知功能和血液生化指标之间的差异。在校正了受教育年限、BMI、HAMA、HAMD-17后，Spearman偏相关性分析评估组间差异肠道菌与认知功能之间的相关性。P<0.05认为差异有统计学意义。

2 结果

2.1 两组患者一般资料和认知功能比较

本研究共纳入99例抑郁症患者，根据年龄均值（25.67岁），将抑郁症患者分为较小年龄组（<25岁；lower-age group， LG）和较大年龄组（≥25岁；higher-age group， HG）。LG组（56例）和HG组（43例）平均年龄分别为19.77岁和33.37岁。两组的性别构成、受教育年限和总病程均无统计学差异（见表1）。与LG组相比，HG组患者的BMI、HAMA、HAMD-17量表分数更高；而主观认知测试（PDQ-5-D）、多项客观认知分测试（如CRT、1-Back、DSST）、客观综合测试和总体认知功能评分均更低（P<0.05）。鉴于症状严重程度和受教育年限可能是认知功能的显著影响因素，在校正了受教育年限、HAMD-17，HAMA以及组间有差异的BMI等因素后，除PDQ-5-D和TMT-B外，其他的认知测试评分在组间仍有显著差异（见表2），表明HG组抑郁症患者的认知功能损伤相较于LG组来说更严重，主要涉及注意力、执行功能、信息处理速度等客观认知功能损伤。

2.2 两组患者血清代谢物水平比较

为了探究HG组抑郁症患者是否存在特征性的血清代谢改变，本研究比较HG组和LG组患者在多种指标上的差异，包括外周免疫细胞比例、总胆汁酸、尿素、肌酐、血脂、甲状腺激素水平。结果显示，除单核细胞百分比和甘油三酯外，其余指标在组间均未见显著差异。协方差分析进一步对BMI、HAMA及HAMD-17评分进行校正后，仅单核细胞百分比仍保持组间差异（P=0.044，见表3）。以上结果表明，与较小年龄患者相比，较大年龄抑郁症患者血清代谢谱整体未见显著改变，唯一值得关注的差异体现在先天性免疫细胞比例上。

2.3 两组患者肠道菌群在种水平上的差异

本研究最终共纳入75例完成肠道宏基因组测序的抑郁症患者数据（LG组44例，HG组31例），这些数据来源于成功留取且质检合格的粪便样本。通过对不同年龄组抑郁症患者种水平肠道菌群的分析，HG组与LG组在微生物群落构成上存在显著差异。具体而言，共鉴定出14个细菌物种的相对丰度在两组间表现出统计学上的差异（P<0.05），这些差异物种呈现出清晰的丰度变化模式。其中6个菌种在HG组患者中的相对丰度显著降低，包括：Actinomyces_sp_S6_Spd3、Candidatus_Nanosynsacchari_sp_ TM7_ANC_38_G1_1、Intestinibacter_bartlettii、Streptococcus_gordonii、s__Streptococcus_oralis 以及Veillo⁃nella_parvula；8个菌种在HG组中呈现出相对富集的状态，其丰度显著增加，这些物种分别为：Bacteroidaceae_bacterium、Clostridium_methylpentosum、Lachnospiraceae_bacterium_OM04_12BH、Mediterraneibacter_ sp_gm002、Megamonas_funiformis、Prevotella_copri_clade_ A、Ruminococcus_bicirculans和Weissella_cibaria（见表4）。这一结果表明，抑郁症患者的肠道菌群结构具有明显的年龄依赖性特征，HG组患者肠道微生态失调更为显著，其特征表现为特定菌群的减少（如部分放线菌门和链球菌属物种）和其他菌群（如部分拟杆菌门、厚壁菌门物种）的富集。

2.4 肠道菌群与认知功能的相关性分析

组间差异菌群与认知功能的相关性分析结果表明，在HG组中相对丰度显著增加的肠道菌种与多项认知功能评分呈负相关，而丰度降低的菌种则与认知评分呈现正相关。校正了受教育年限、BMI、HAMA及HAMD-17评分等潜在混杂因素后，偏相关性分析表明：Bacteroidaceae_bacterium、Lachnospiraceae_bacterium_OM04_12BH及Mediterraneibacter_sp_ gm002的相对丰度与整体认知功能、客观认知综合评分、工作记忆（1-Back任务）及信息处理速度（DSST）表现均存在显著的负相关关系（P<0.05，见图1）。更为重要的是，Prevotella_copri_clade_A、Ruminococcus_bicirculans和Weissella_cibaria不仅与整体认知评分显著负相关，其丰度升高还与主观认知（PDQ-5-D）及注意力/执行功能（CRT）的损害显著相关（P<0.05，见图1）。

为探究这些差异菌种是否特异性地与认知功能而非一般精神症状相关，进一步校正了年龄、性别和BMI后，建立其与核心临床症状量表（HAMD-17、HAMA）的关联模型。分析结果表明，上述所有与认知功能相关的差异菌群，其丰度变化与抑郁及焦虑症状的严重程度均未显示出任何显著相关性（P>0.05）。同样地，这些差异菌种与血清代谢物之间也未观察显著的相关关系。

3 讨论

既往研究已逐步揭示，肠道菌群通过“微生物-肠-脑轴”对宿主认知功能与情绪行为发挥关键调控作用^{［6， 11］}。动物模型证据表明，移植老年供体的菌群可诱发年轻受体出现神经炎症与认知功能下降^［4］；人类研究也证实，菌群组成不仅能反映当前的认知状况，甚至可预测其未来变化^［3］。这些发现共同表明，年龄增长所伴随的菌群紊乱可能是认知衰退的重要驱动因素。然而，菌群-年龄的交互作用在抑郁症人群的认知损害中扮演何种角色，尚待进一步阐明。为此，本研究比较了不同年龄组（以25岁为界）抑郁症患者的认知功能和肠道菌群特征，结果显示，较大年龄组（≥25岁）患者在总体认知、1-Back工作记忆及DSST等测试中的表现较差，且这些认知差异与特定菌种的丰度变化显著相关。本研究进一步支持了年龄因素可能加剧菌群紊乱对抑郁症患者神经认知功能的负面影响。

本研究发现，在较大年龄组中增加的8个差异菌群（如Prevotella copri 和Bacteroidaceae_bacterium）与认知功能呈显著负相关。这些菌群在阿尔茨海默病（AD）和轻度认知障碍（MCI）患者中也观察到类似变化^{［12，13］}，可能通过促进外周炎症或淀粉样蛋白沉积加剧神经退行性变^{［14，15］}。另一方面，较大年龄组中减少的6个差异菌群（如Actinomyces_sp_S6_Spd3、Veillonella_parvula等）可能具有抗炎或神经保护作用。例如，Veillonella_parvula是一种常见的口腔和肠道共生菌，其减少可能与口腔健康下降和系统性炎症增加有关^［16］。这些菌群的减少可能削弱了肠道屏障功能，加剧了神经炎症和认知功能下降。此外，微生物的失调还可能通过直接调控神经炎症或肠道代谢途径（如SCFA-海马轴）发挥作用^［17］。比如SCFA（如丁酸）的减少可能通过影响组蛋白乙酰化或脑葡萄糖代谢损害认知功能^［17］，而较大年龄组中Megamonas funiformis的增加可能干扰SCFA生成^［18］。本研究的核心矛盾是差异菌种与认知功能强负相关，但与HAMD-17和HAMA评分无关联，这提示认知功能障碍和抑郁可能代表独特生物状态，存在独特的微生物学基础。与之相关的是，本研究的CRT和DSST表现差可能反映前额叶效率下降，而抑郁症状（如负面认知）涉及不同脑区，因此，菌群在抑郁背景下作为“认知特异性调节因子”，其影响独立于传统精神症状。

此外，本研究表明血脂、尿酸、肌酐和甲功等血清代谢物在组间无差异，且与菌群变化无显著相关性。这一结果提示，较大年龄组抑郁症患者的认知功能下降可能更多与肠道菌群直接相关，而非通过血清代谢途径介导。已有研究证实，肠道菌群通过神经炎症或直接代谢途径（如SCFA）直接影响认知功能，而不依赖于传统的代谢标志物^{［19， 20］}。尽管本研究揭示了菌群与抑郁症患者年龄相关认知损伤关联，但仍存在以下局限：①横断面设计无法确定菌群变化与抑郁症认知衰退的因果关系，未来需通过纵向研究或粪菌移植实验验证；②缺乏对菌群功能（如SCFA水平）或宿主免疫（如血清细胞因子）的直接检测，未来的研究应进一步探讨肠道菌群代谢产物在认知功能下降中的作用。

综上所述，本研究整合结果表明：在抑郁症背景下，大于25岁患者的肠道菌群失调与其认知功能损伤存在独立于核心抑郁/焦虑症状的严重程度和代谢物的特异性关联。这强调了肠道菌群在神经精神疾病中的多维角色——既能作为衰老的标志，又是可干预的认知保护靶点。未来研究应验证因果机制（如FMT实验），并探索基于肠道菌群的干预策略。

参考文献

[1] Gotlib IH， Joormann J. Cognition and depression： current status and future directions［J］.Annu Rev Clin Psychol，2010，6：285-312.

[2] Liu L， Wang H， Chen X， et al. Gut microbiota and its metabolites in depression： from pathogenesis to treatment［J］.EBioMedicine，2023，90：104527.

[3] Kolobaric A， Andreescu C， Jasarevic E， et al. Gut microbiome predicts cognitive function and depressive symptoms in late life［J］. Mol Psychiatry，2024，29（10）：3064-3075.

[4] Mishra SP， Jain S， Wang B， et al. Abnormalities in microbiota/butyrate/FFAR3 signaling in aging gut impair brain function［J］.JCI Insight，2024，9（3）：e168443.

[5] Zhang L， Yin Z， Liu X， et al. Dietary emulsifier polysorbate 80 exposure accelerates age⁃related cognitive decline［J］.Brain Behav Immun，2024，119：171-187.

[6] Zhang L， Wei J， Liu X， et al. Gut microbiota⁃astrocyte axis： new insights into age⁃related cognitive decline［J］. Neural Regen Res，2025，20（4）：990-1008.

[7] Xu S， Liu Y， Wang Q， et al. Gut microbiota in combination with blood metabolites reveals characteristics of the disease cluster of coronary artery disease and cognitive impairment： a Mendelian randomization study［J］.Front Immunol，2023，14：1308002.

[8] Zhuang Z， Yang R， Wang W， et al. Associations between gut microbiota and Alzheimer's disease， major depressive disorder， and schizophrenia［J］.J Neuroinflammation，2020，17（1）：288.

[9] Mcintyre RS， Best MW， Bowie CR， et al. The THINC⁃integrated tool（THINC⁃it） screening assessment for cognitive dysfunction： validation in patients with major depressive disorder［J］.J Clin Psychiatry，2017，78（7）：873-881.

[10] Blanco⁃Miguez A， Beghini F， Cumbo F， et al. Extending and improving metagenomic taxonomic profiling with uncharacterized species using MetaPhlAn 4［J］.Nat Biotechnol，2023，41（11）： 1633-1644.

[11] Chaudhari DS， Jain S， Yata VK， et al. Unique trans⁃kingdom microbiome structural and functional signatures predict cognitive decline in older adults［J］.Geroscience，2023，45（5）：2819-2834.

[12] Ahmed HS. Correction： the impact of prevotella on neurobiology in aging： deciphering dendritic cell activity and inflammatory dynamics［J］.Mol Neurobiol，2024，61（11）：9252.

[13] Fan KC， Lin CC， Chiu YL， et al. Compositional and functional gut microbiota alterations in mild cognitive impairment： links to Alzheimer's disease pathology［J］.Alzheimers Res Ther，2025，17（1）： 122.

[14] Panza F， Lozupone M， Solfrizzi V， et al. Time to test antibacterial therapy in Alzheimer's disease［J］.Brain，2019，142（10）：2905-2929.

[15] Kesika P， Suganthy N， Sivamaruthi BS， et al. Role of gut⁃brain axis， gut microbial composition， and probiotic intervention in Alzheimer's disease［J］.Life Sci，2021，264：118627.

[16] Chang X， Chen Y， Cui D， et al. Propionate⁃producing Veillo⁃nella parvula regulates the malignant properties of tumor cells of OSCC［J］.Med Oncol，2023，40（3）：98.

[17] Shi H， Ge X， Ma X， et al. A fiber⁃deprived diet causes cognitive impairment and hippocampal microglia⁃mediated synaptic loss through the gut microbiota and metabolites［J］.Microbiome，2021，9（1）：223.

[18] Liu P， Jiang Y， Gu S， et al. Metagenome⁃wide association study of gut microbiome revealed potential microbial marker set for diagnosis of pediatric myasthenia gravis［J］.BMC Med，2021，19（1）： 159.

[19] Zhang S， Wang X， Liu S， et al. Phlorizin ameliorates cognitive and behavioral impairments via the microbiota⁃gut⁃brain axis in high⁃fat and high⁃fructose diet⁃induced obese male mice［J］.Brain Behav Immun，2025，123：193-210.

[20] Guo B， Zhang J， Zhang W， et al. Gut microbiota⁃derived short chain fatty acids act as mediators of the gut⁃brain axis targeting age⁃related neurodegenerative disorders： a narrative review［J］.Crit Rev Food Sci Nutr，2025，65（2）：265-286.

基金资助

陕西省自然科学基础研究计划项目(2025JC-YBQN-1054)

国家自然科学基金资助项目(82201659)