肠道菌能在两小时内降解三氟胸苷，让它失效

实验室研究显示，大肠杆菌与产酸克雷伯菌的临床分离株能在两小时内把三氟胸苷（一种口服氟尿嘧啶类抗肿瘤药）降解掉；预先接触过这些菌的药物，对癌细胞失去细胞毒作用，也无法激活 p53 相关通路。

口服化疗期间，别自行加用益生菌

这条建议不是反对益生菌，而是提醒：在用药方案尚未明确菌群影响之前，任何”补充活菌”的动作都值得先问主管医生。

一颗药片进肚后的第一站

口服化疗药最大的优点是方便，最大的不确定也在这里：它必须先穿过胃与小肠，而那里住着数以万亿计的细菌。这些细菌有大量代谢酶，能把药物当成自己的食物。一项机制研究把这条路径拍了出来。

不是”药效弱”，而是”药被拆了”

药效不足常被归因为剂量不够或吸收不好。但还有第三种可能：药物在到达肿瘤之前，就已经被菌群改造成了另一种分子。这种改造往往不可逆，患者本人也完全感觉不到。

两种菌，两个小时

从序列相似性找到候选菌：研究者先用序列比对，在肠杆菌科多个物种里找到能代谢三氟胸苷的同源基因，其中包括产酸克雷伯菌。这解释了为什么问题不局限于某一种菌：只要带有这类基因，就可能具备降解能力。

两小时内完成降解：液相色谱-质谱分析确认，肠道分离株大肠杆菌 NS-12 与产酸克雷伯菌 S-22 能在两小时内高效降解三氟胸苷。这个速度意味着，药物可能还没走出小肠就已经大幅减少，与”空腹或随餐”无关。

抑制剂只能挡住一部分：替吡嘧啶是临床上用来抑制宿主胸苷磷酸化酶的成分，它能部分阻断细菌对药物的代谢，效果取决于氧气条件与菌株种类。换句话说，现有配方并没有把细菌这条路径完全封住。研究者还发现，菌群降解后的药物失去了杀伤癌细胞的能力。

三个环节的连锁

两种菌 → 两小时 → 药效消失。这条链条的每一环都不长，但连起来足以解释一部分”口服化疗效果不如预期”。需要提醒的是，这类研究给出的是人群层面的平均趋势，不能直接推算到某一个人身上。

三句话给正在口服化疗的人

1 别自行加益生菌，活菌制剂的菌株与剂量都可能影响药物暴露。

2 按时按量服药，不要因为”感觉没效果”自行加量或停药。

3 出现持续腹泻要报告，它既可能是药物毒性，也可能改变菌群与药效。

这是机制研究，不是临床结论

① 研究对象：体外菌株与细胞实验，未在患者体内验证。
② 菌株来源：特定分离株，个体间菌群差异未覆盖。
③ 药物范围：仅三氟胸苷，不能推广到其他口服化疗药。
④ 临床意义：提示方向，尚不足以改变现有用药方案。

参考资料：Gut Microbial Metabolism Inactivates Trifluridine and Drives Loss of Anticancer Activity. ACS Pharmacology & Translational Science（2026）. https://doi.org/10.1021/acsptsci.6c00329
把结论放进生活里时，还要考虑自身的慢性病、用药情况与医生的判断。
这也是为什么同样的建议，对不同年龄、不同基础状况的人，力度并不相同。
研究结论可以当作方向参考，但不必因为一次结果就彻底改变原有的治疗安排。
人群研究的价值在于提示方向，具体到个人，仍要看症状、指标与医生的判断。

肠道菌群的影子，能预测 6 个月后的脑影像

一项对 223 名 0–3 岁典型发育儿童的研究（预印本，尚未同行评审）发现：肠道菌群与皮层形态、白质微结构、功能连接都存在关联；交叉滞后模型显示神经影像的典型相关第一评分能预测 1–6 个月后的菌群评分，但纵向斜率并不显著相关。方向并不对称。

别急着买益生菌，先把”相关不等于因果”讲明白

如果你看到这条新闻就想下单益生菌，先停一下。这项研究自己就写明：结果提示跨领域的协变和时间顺序，但不建立因果。而且它是预印本，尚未通过同行评审。真正可做的仍然是整体改善饮食结构、规律作息这类低风险动作。

肠道和大脑，谁在影响谁

“肠脑轴”这个概念已经不新了，但真正难的是回答方向问题：是肠道影响大脑，还是大脑影响肠道？这项对 223 名 0–3 岁儿童的研究用多模态影像加粪便宏基因组测序，给出了一个不对称的答案——在测量的时间窗内，脑影像的变化能预测之后的菌群状态，反向预测则不成立。

你看到的”关联”，可能只是同时发生

市面上的益生菌宣传里，”肠道影响大脑”经常被讲成确定的事实。但这项研究有一句自我限定写得很清楚：这些结果并不建立因果。而且它是预印本——发表在 bioRxiv，尚未经期刊同行评审。换句话说，这条”肠脑对话”的线索目前只能当作研究方向来看待。

223 名 0–3 岁儿童的多模态配对

样本与方法：研究分析了 223 名典型发育儿童（0–3 岁），把多模态磁共振成像（结构、弥散、静息态功能）与粪便鸟枪法宏基因组测序配对。研究者先用全基因组关联分析找出菌群与皮层形态、白质微结构、功能连接的关联。

两个正交模式，一个方向不对称：岭正则化典型相关分析识别出两种主要协变模式：一种是结构-代谢模式，另一种是功能-分类单元模式。稀疏典型偏最小二乘在同一样本里回收了主典型相关评分。

交叉滞后给出了时间顺序：纵向的典型相关评分斜率之间没有显著相关；但在自回归交叉滞后模型里，神经影像的典型相关第一评分能预测 1–6 个月之后的菌群典型相关第一评分。这是全篇最关键的一条。

q 值区间被明确标为探索性：研究者在局限里写明：队列由健康儿童构成、人口学异质性有限，并且 q 值 0.05 到 0.25 的结果一律按探索性处理。MRI 与粪便样本的配对窗口最长 30 天。

一条有方向，一条没方向

纵向斜率不显著 → 交叉滞后模型中脑影像预测后续菌群 → 作者自陈不建立因果。三句话连起来读，才是这项研究的准确含义。

三条该记住的

1 方向不对称——在 1–6 个月这个窗口内，是脑影像预测后续菌群，而不是相反。这至少纠正了”肠道单向控制大脑”的通俗误读。

2 这是预印本，尚未经同行评审，且作者把 q 值 0.05–0.25 的结果明确归为探索性。

3 从个体轨迹看社会知觉功能特化存在不同个体差异，有人特化更早——这提示发育节律存在个体差别。

预印本加探索性阈值，折扣各半

① 预印本状态：尚未同行评审，方法与结论都可能随审稿意见变化。
② 探索性阈值：q 值 0.05–0.25 的结果按探索性处理，不代表确证关联。
③ 因果未建立：观察性设计，作者本人明确声明不建立因果。
④ 未控制的时变混杂：数据缺少时变的母乳喂养状态、近期疾病、胃肠道症状、抗生素暴露、详细饮食模式，以及纵向模型所需的头动变量。
⑤ 窗口收窄的代价：敏感性分析显示 20 天和 15 天窗口下五个原始信号效应量大体稳定，但样本减少后能维持错误发现率校正后仍然显著的关联更少。

参考资料：Li T, Yang Y, Cho S H, et al. Microbes on the Mind: Multi-modal Neuroimaging Reveals Gut-Brain Axes in Infants（2026）. https://doi.org/10.64898/2026.09.23.753825

肠道菌群”早停滞”，1型糖尿病风险高约3倍

一项追踪887名高风险婴儿肠道菌群最长6年的前瞻性研究（TEDDY，糖尿病环境决定因素研究）发现，宝宝半岁到两岁间肠道菌群的成熟速度可分三种模式，其中”早期停滞”模式的孩子，1型糖尿病风险约为其他模式孩子的3倍；而”早熟””晚熟”两种模式与发病风险并未见明显关联。

宝宝遗传风险高，把肠道和血糖放一张随访表

如果你家宝宝有1型糖尿病遗传风险，先别只盯血糖：出生头两年尽量母乳喂养、循序添加多样化辅食，并请儿科内分泌医生把肠道菌群发育与血糖监测排进同一张随访清单，具体节奏以医嘱为准。

高危宝宝入手，多数家长却忽略了一个抓手

宝宝一出生就被告知”1型糖尿病遗传风险高”，家长大多只会盯血糖试纸。可最近一项追踪上千份粪菌样本的研究留下另一条线索——孩子刚出生那两年的肠道。1型糖尿病风险高约3倍，可能和菌群成熟节奏挂上了钩，而这一关联在孩子还不会说话时就开始成形。

你盯着血糖的时候，肠道正在被错过

你是不是也觉得，”1型糖尿病是免疫问题，跟吃什么、拉什么有什么关系”？可人体最大的免疫器官恰恰是肠道。肠道可能就是那条被忽视的线索。对高风险宝宝来说，菌群怎么长大，也许是除血糖之外很值得留意的一扇窗。

887个宝宝，6年，1.2万份粪菌样本

要看清肠道和风险的关联，一次抽查远远不够。研究团队用小儿纵向追踪设计，从出生起连续收集887名高风险婴儿共12151份肠道菌群样本，一路随访到6岁，把菌群”成长轨迹”完整画了出来。

菌群成长，不只匀速一条线：科研人员把宝宝半岁到两岁的菌群成熟速度聚成三条轨迹：以双歧杆菌和瘤胃球菌为主的非线性变化，分出”早熟””晚熟”和”早期停滞(平缓)”三种模式——菌群并不是匀速长大的。

“早停滞”风险，约为其他模式3倍：研究发现，”早期停滞”模式的孩子，1型糖尿病风险约为另两种模式孩子的3倍；而”早熟””晚熟”两种模式与风险并未见到显著关联。真正需要警惕的，是菌群在早期就”卡住不发展”的那一类，而非长得快或慢的差别。

菌群代谢，也跟着变样：菌群差异也体现在代谢上：早熟模式早期更富集半乳糖代谢，伴随更高的芳香族氨基酸与B族维生素产出；”早停滞”模式则偏向产生更多支链氨基酸。饮食是否通过影响这些代谢通路参与其中，还需更直接的研究来确认。

3倍对无关联，差别在节奏

同一批高风险宝宝，菌群”早停滞”的，1型糖尿病风险约为其他人的3倍；菌群”早熟””晚熟”的，则与发病风险未见显著关联。节奏，比”好不好”更值得留神。

把肠道纳入高风险宝宝的时间表

1 肠道菌群成熟节奏与1型糖尿病风险相关，高风险宝宝值得认真跟踪菌群发育。第二，“早停滞”最值得警惕，它对应的正是约3倍风险，另外两种模式未见明显上升。第三，这仍是探索性研究，菌群线索不等于确诊——它提醒家长，把早期肠道健康放进孩子高危随访的日常。

别把它当成”确诊单”

① 人群是高风险特例：入组的是有家族史或高风险遗传背景的宝宝，结果不能直接套到普通人群。
② 只能谈”相关”：前瞻性观察设计不能证明菌群与糖尿病是因果关系，只能说明两者有关联。
③ 机制未完全闭合：宿主基因会调节部分菌群模式与风险的关联，人群间存在差异。
④ “3倍”是相对比较：约3倍是在高风险亚组内的相对比例，不等于每一位”早停滞”宝宝都会发病。

参考资料：Dong. Gut microbiome maturation in early childhood interacts with host genetics to predict type 1 diabetes risk. Nature Metabolism（2026）. https://doi.org/10.1038/s42255-026-01614-9

肠道菌群失衡，与肝癌的发生和进展有关

一篇综述指出，肝细胞癌患者的肠道菌群常常”变了样”：产内毒素、促炎的菌增多，产短链脂肪酸、保护肠屏障的菌减少。这种失衡被认为与肝脏的慢性炎症和纤维化有关。

限酒、少用不必要的抗生素，比补益生菌实在

想护肝，先做三件确定的事：控制饮酒、避免自行长期使用抗生素、把体重和血糖管住；益生菌和粪菌移植目前都不是肝癌的常规手段，别拿它们替代正规随访。

肝脏的麻烦，可能在肠道里

肝脏和肠道之间有一条”直通车”：门静脉把肠道吸收的东西直接送进肝脏。所以肠道里的菌群一旦失衡，肝脏很可能是第一个”接盘”的器官。这条通路，就是研究者所说的”肠—肝轴”。

你吃进去的，也在喂养肝脏的”邻居”

吃什么、用什么药，都会改变肠道菌群的构成。一顿高糖饮食、一轮抗生素，可能在几天内就改写菌群的版图。问题是，这种改变会持续多久、又会不会一路传导到肝脏？

从肠道到肝脏，三条通路

内毒素与炎症，一路送到肝：菌群失衡之后，肠壁通透性可能升高，细菌产物更容易”漏”进血液。其中脂多糖（LPS）这类内毒素，会持续刺激肝脏的免疫细胞，形成低度而长期的炎症背景——这正是纤维化继续往前走的一块土壤。

次级胆汁酸与代谢物，也在参与：肠道细菌会把初级胆汁酸转化成次级胆汁酸。综述提到，次级胆汁酸与氧化三甲胺等代谢产物，可能通过影响肝细胞和免疫环境，参与纤维化与肿瘤进展。机制看着清晰，但多数证据来自动物实验。

查菌群能预警，但目前还不够：已有研究尝试用菌群特征来做肝癌的早期发现、风险分层和免疫治疗反应预测，但样本普遍偏小，地区、病因、用药和测序方法也各不相同。换句话说，方向有希望，路还没走通。

同一套逻辑，胃癌里也在讨论：一篇关于胃部菌群的综述提出，从菌群失衡到免疫重塑、再到治疗机会，可以串成一条完整链条 [来源：Gastric bacterial microbiota and gastric carcinogenesis: from dysbiosis to immune remodeling and therapeutic opportunities]。把它放进消化道肿瘤的框架里看，肝脏并不是唯一被牵连的器官。

一条轴，串起四件事

肠壁通透性升高、内毒素进入肝脏、次级胆汁酸与代谢物改变、免疫环境被重塑——四件事连成一条线。记住”肠—肝轴”这四个字，就记住了大半机制。

三件事，比买益生菌实在

1 控制饮酒——这是目前最确定、也最容易被忽视的一条。

2 别自行长期吃抗生素，也别在用药期间大量吃甜食和含糖饮料：一项追踪住院患者九千多餐饮食的研究发现，抗生素暴露期间吃糖多，菌群失衡更严重 [来源：Sugar-rich foods exacerbate antibiotic-induced microbiome disruption]。

3 把体重、血糖和肝病随访管住——对大多数慢性肝病患者来说，规范复查比任何”调菌群”的保健品都更靠得住。

菌群研究，别当成结论

① 证据层级：多为相关性观察与动物实验。
② 样本问题：队列普遍偏小，且混杂因素多。
③ 技术差异：测序方法与采样部位不统一，结果难直接比较。
④ 应用边界：菌群检测与菌群干预目前都不属于肝癌常规诊疗。

参考资料：Guan X. Gut Microbiota in Hepatocellular Carcinoma: Etiology-Specific Evidence, Mechanisms, and Translational Challenges. Journal of Hepatocellular Carcinoma（2026）. https://doi.org/10.2147/JHC.S636365

最高四分位，女性肺癌风险高25%

一项纳入11万4981名女性的前瞻队列研究发现：一种与肠道硫代谢菌丰度相关的”硫代谢饮食”评分越高，肺癌风险越高。评分最高四分位的女性，比最低四分位者风险高25%（风险比1.25，95%置信区间1.02至1.54，趋势检验P值0.036）；评分每升高一个标准差，风险再高8%。用蔬菜替换加工肉的做法，与风险降低相关但未达统计学显著。

如果你想降风险，用蔬菜替换加工肉

如果你想从饮食上做点调整：把香肠、腊肉、火腿这类加工肉换成深色蔬菜和豆类，同时别忽略戒烟和避免二手烟——在肺癌这件事上，饮食只是可控环节中的一环，不是主因。

不吸烟的女性，肺癌在增加

肺癌长期被当成”吸烟者的病”，但一个变化正在发生：不吸烟人群、尤其是女性中的肺癌负担在持续上升。这让研究者把目光从烟盒挪到餐盘上——有没有一种吃法，会通过肠道菌一步步把风险推高？

你吃的饭，喂的是哪一类菌

你是不是也觉得”饮食和肺癌”听起来关系很远？研究给出的路径是间接的：某些肠道菌会把含硫氨基酸代谢成硫化氢，而硫化氢具有遗传毒性。饮食不直接作用于肺，而是先决定哪一类菌在你肠道里占上风。这也是这项研究要测”硫代谢饮食”而非某一种营养素的原因。

11万女性，802例肺癌

11万女性，随访记录802例：研究纳入11万4981名完成了有效24小时膳食评估的女性，按8项膳食成分计算”硫代谢饮食”评分，并分成四个四分位。随访期间通过肿瘤登记联动确认了802例新发肺癌。分析用Cox比例风险模型，依次调整社会人口学、生活方式、临床与膳食因素，并做了限制性立方样条、亚组、敏感性、替代与中介分析。

最高四分位，风险高25%：在完全调整的模型里，硫代谢饮食评分最高四分位的女性，肺癌风险比最低四分位者高25%（风险比1.25，95%置信区间1.02至1.54，趋势检验P值0.036）；每升高一个标准差，风险高8%（1.08，1.00至1.16）。剂量反应关系为正、接近线性，亚组与敏感性分析结果稳定。这是一个方向上一致、幅度中等的关联，倍数并不夸张。

用蔬菜换加工肉，方向朝好：研究做了替代分析：用蔬菜替换加工肉，与肺癌风险降低相关（风险比0.93，0.86至1.01），但没有达到统计学显著。中介分析显示，代谢与炎症生物标志物的中介作用很小。也就是说，这条通路目前还解释不了大部分关联，饮食与风险之间还有没被测量的环节。

另一个队列里，问卷分数失灵了：同一方向上的证据并不整齐。一项基于英国生物样本库、纳入9万1917人的前瞻研究计算了符合世界癌症研究基金会（WCRF）与美国癌症研究所（AICR）膳食建议的依从性评分：队列随访期间发生470例肺癌，这个问卷评分与肺癌风险没有显著关联；相反，一个由血浆代谢物构建的特征与风险降低相关（每升高一个标准差风险比0.816，95%置信区间0.752至0.885）。其中饱和脂肪酸与风险升高相关，亚油酸与多不饱和脂肪酸与风险降低相关。[来源：WCRF/AICR dietary adherence-associated metabolic bridge phenotypes and incident lung cancer risk: a prospective cohort study of the UK Biobank] 换句话说，问卷问出来的”吃得健不健康”，未必等于身体里真实的代谢状态。

年轻不吸烟者这条线，还只是假说：至于为什么健康、年轻、不吸烟的人也会得肺癌，目前连解释都还在形成阶段。有研究者提出把农药暴露等环境因素纳入考虑，但这类线索仍属初步发现，需要更多研究验证。[来源：Why are healthy young non-smokers developing lung cancer?] 在读到任何把年轻肺癌归因于单一因素的说法时，先分清哪部分是数据、哪部分还是假说。

1.25倍，替换蔬菜只到0.93

最高四分位1.25倍（1.02至1.54）、每升高一个标准差1.08倍（1.00至1.16）、用蔬菜替换加工肉0.93（0.86至1.01，未达显著）：风险在往上走，但替换带来的好处还没有被证实。这个差距也提醒：单一饮食调整的效应通常有限。

饮食是可控的那一环

1 硫代谢饮食评分最高四分位与肺癌风险高25%相关，方向一致但幅度中等。

2 肠道菌是中间环节：饮食先改变菌群，再通过代谢产物起作用，这条链上还有很多没测到的部分。

3 这是观察性队列，相关不等于因果：调整后仍无法排除残余混杂，尤其是吸烟这一最强因素；饮食只评估了基线一次，评分也未与肠道菌直接测量比对。别因为这篇文章开始焦虑，把戒烟和定期体检放在更前面。

吸烟没法完全排除

① 残余混杂：观察性设计无法推断因果，尽管做了大量调整，仍未完全排除吸烟强度、时长、戒烟时间等未测量特征的影响。
② 评分是膳食代理：该评分来自北美健康专业队列中识别的膳食模式，未与肠道菌群直接测量做验证，属于膳食代理而非实测菌群表型。
③ 时点单一：膳食仅在基线评估一次，可能无法反映长期摄入或随访期间的变化。
④ 事件数有限：部分亚组分析的肺癌病例数偏少，分层结果的精度受限。

参考资料：Liang G, Yu H, Lin C, et al. Association of Sulfur Microbial Diet and the Risk of Lung Cancer in Women. International Journal of Women’s Health（2026）. https://doi.org/10.2147/ijwh.s628503；Liang G, Ying J, He J, et al. WCRF/AICR dietary adherence-associated metabolic bridge phenotypes and incident lung cancer risk: a prospective cohort study of the UK Biobank. Frontiers in Nutrition（2026）. https://doi.org/10.3389/fnut.2026.1877513；Why are healthy young non-smokers developing lung cancer? ScienceDaily 新闻稿（2026）. https://www.sciencedaily.com/releases/2026/07/260712011758.htm

孕期压力与婴儿肠道菌群改变相关

一项覆盖人类与动物研究的系统综述纳入33篇合格文献，提示孕期母亲的压力暴露与婴儿肠道菌群组成改变相关。早期菌群定植被视为免疫成熟、代谢编程与神经发育的敏感窗口。作者同时强调：人类研究数量有限、结论不一致，机制线索更多来自动物实验。

减压值得做，但别把它当成菌群的调节键

如果你在孕期，减压本身就有价值：把睡眠守住、能动就动、能推的压力源推掉，这比盯着菌群检测结果更实在。但要知道，这项综述的结论是”相关”，不是”补点益生菌就能抵消压力影响”。孕期心理状态与肠道菌群的关系，仍待更高质量的人群研究。

情绪与肠道，可能不是两件事

孕期情绪常被当成”忍一忍就过去”的事。菌群定植的关键窗口，正好落在孕期与出生后早期。

你焦虑的时候，肚子会有反应吗

你是不是也发现，紧张的时候肠胃先不舒服？成人身上的”肠脑轴”已有共识，问题在于孕妇的压力会不会也传给孩子的菌群。

33项研究，横跨人与动物

33项研究，横跨人与动物：研究检索了PubMed、Scopus与PsycINFO，纳入过去二十年发表的33篇合格文献，涵盖人类与动物两类研究。

压力与菌群组成相关：综合来看，孕期母亲压力暴露与婴儿肠道菌群的组成改变相关；不同研究关注的菌群指标并不一致。

窗口在生命的早期：生命早期的菌群定植被视为敏感窗口，与免疫成熟、代谢编程和神经发育相连。这段时间的扰动可能留下长期影响。

人类证据有限：作者反复强调：人类研究数量少、样本量小、测量方法差异大，结论的确定性明显低于动物实验。婴儿菌群还会随喂养方式、分娩方式与抗生素使用而变，这些因素在多数研究里并没有被完整控制。

机制线索多来自动物：动物研究提供了免疫、内分泌与迷走神经等通路线索，但这些机制在人类身上能否成立，仍未被证实。

33篇，与一个还没定的答案

33篇文献 → 关联方向相近但指标不一致 → 人类证据有限、机制来自动物。这更像一条研究线索，而不是一条结论。

三件能自己动手的事

1 孕期压力与婴儿菌群组成改变相关，这是跨物种综述给出的方向性提示。

2 窗口在生命早期：菌群定植与免疫成熟、代谢编程、神经发育相关，值得被重视；喂养方式、分娩方式与用药同样会影响菌群，它们是比压力更直接的可调因素。

3 这是系统综述且局限明显：人类研究有限、测量方法各异，机制多来自动物，不能据此推断因果或推荐具体干预。

证据有限，非因果

① 综述性质：结论依赖所纳入研究的质量，未做定量合并。
② 人类证据少：人群研究数量与样本量都有限，结果方向不完全一致。
③ 测量差异：菌群测序方法与指标口径在不同研究间不统一。
④ 动物外推：机制线索主要来自动物实验，向人类外推需谨慎。
⑤ 混杂因素：压力常与饮食、睡眠、社会经济状况共同出现，难以分离。

参考资料：Khafizova G V, Kanamarlapudi H, Garcia J, et al. Prenatal Maternal Stress and Infant Gut Microbiome in Human and Animal Studies: A Comprehensive Systematic Review. Developmental Psychobiology（2026）. https://doi.org/10.1002/dev.70199；Li Q, Jia Z, Ji M, et al. Research progress on the association of maternal high-fat diet with offspring neurodevelopment and susceptibility to Parkinson’s disease. Frontiers in Nutrition（2026）. https://doi.org/10.3389/fnut.2026.1907443；Alnuaimi F, Yassin L K, Alketbi S, et al. Human milk microbiome as a modulator of the early-life gut-brain axis: mechanisms and translational opportunities for neurodevelopment. Journal of Translational Medicine（2026）. https://doi.org/10.1186/s12967-026-08844-1

综述提出假说，不是已证实结论

这篇结构化叙述性综述综合了儿童观察性证据、成人干预研究、临床前研究与多组学数据，提出了儿童超加工食品暴露的”促炎印记”假说（经肠道微生物-炎症轴影响代谢、炎症、认知与神经发育），并明确区分直接证据与间接证据。文中提出的儿童专用膳食炎症指数框架（作者标注为未经验证）。

少加工、看配料表，低风险高回报

如果你想给孩子减少超加工食品，可以从含糖饮料、包装零食这类最容易砍的开始，并养成看配料表的习惯。同时要清楚：这篇综述提出的框架尚未经验证，不能拿来当筛查工具或诊断依据，也不能据此给孩子下健康判断。

不只是吃了会胖

关于超加工食品与儿童健康，市面上的说法大多停在”热量密度高、会肥胖”。这篇综述想推进一步：超加工食品可能不只是”多吃了”，而是经由肠道微生物与炎症轴，在孩子体内留下一层”促炎印记”，涉及代谢、炎症、认知与神经发育多个方面。

这是假说不是结论

这一点必须先说清楚。综述作者自己把提出的框架标注为”未经验证的、用于生成假说的研究框架”，并强调：在经过实证开发与外部验证之前，这个指数框架不能用于临床、流行病学或公共卫生决策。所以读这篇的时候，要把”已证实”和”值得研究”分开。

四类证据分开处理

四类证据被整合：这篇结构化叙述性综述整合了儿童观察性证据、成人干预研究、临床前（动物）研究与多组学数据，并明确区分直接证据与间接证据，考察超加工食品暴露与代谢、炎症、认知和神经发育结局之间的关联。

为什么超加工食品可能不止影响体重：综述指出，超加工食品可能促进过量能量摄入，因为许多此类产品能量密度高、适口性强、易快速进食，含游离糖、钠或不健康脂肪，而膳食纤维低。再叠加环境因素（空气污染、内分泌干扰物、久坐行为）与基因表达的复杂交互，解释就复杂了。

炎症指数框架作者称未验证：综述提出一个未经验证的假说生成型研究框架（作者命名为儿童专用整合膳食炎症指数），用于整合可复现的营养与加工相关膳食暴露；下游的微生物、肠屏障、炎症、代谢与免疫指标均留待外部验证。

一句关键免责声明

这个指数框架是假说生成工具，未经验证，不能用于临床、流行病学或公共卫生决策。这一句是全篇的落点。

三条该记住的

1 超加工食品与儿童健康的关联，目前多为间接证据，综述把直接与间接证据明确分开，这是它比多数科普诚实的地方。

2 作者自陈框架未经验证、需外部验证，所以不能当筛查工具用。

3 综述同时讨论了商业决定因素与环境因素在塑造儿童健康中的作用，并指出了产品成分、食品环境、可负担性与营销等政策切入点——这是公共卫生视角，不只是个人选择问题。

假说与证据隔着验证

① 框架未经验证：该指数框架由作者明确标注为未经验证、用于生成假说的框架，需实证开发与外部验证。
② 证据以间接为主：儿童部分主要为观察性证据，成人干预、临床前与多组学证据只能间接支持。
③ 不能用于决策：作者明确其在经验证前不能用于临床、流行病学或公共卫生决策。
④ 缺乏标准化测量：综述本身指出了该领域存在测量缺口。

参考资料：Liu Q, Luo L, Yan Z, et al. The “pro-inflammatory imprint” of ultra-processed food exposure: a review of mechanisms affecting child and adolescent health and development via the gut microbiome-inflammation axis. Frontiers in Nutrition（2026）. https://doi.org/10.3389/fnut.2026.1843587

最高五分位，冠心病风险高八成

一项基于美国三项大型医护队列、共7432人的前瞻研究显示：血浆咪唑丙酸（肠道菌分解组氨酸产生的代谢物）水平最高五分位的人，冠心病风险比最低五分位高82%（风险比1.82，95%置信区间1.17至2.81，趋势检验P值0.002）。但组氨酸摄入量本身与血浆水平无关；膳食纤维尤其是果胶，是该代谢物最强的负向预测因子。

如果你怕吃肉，先把纤维和果胶吃够

如果你因为怕心脏病而不敢吃肉，先别急着把肉戒掉：把全谷物、豆类和蔬果吃够，尤其是富含果胶的苹果、柑橘、胡萝卜这类食物；也别指望靠”少吃组氨酸”解决问题，因为摄入量本身并不是决定因素。

怕吃肉的人，可能找错了对手

“红肉伤心血管”这句话你大概听过很多遍。但一项新研究把镜头往上游挪了一格：同样的肉吃进肚子，在不同人身体里被肠道菌加工成的产物并不一样，而真正与冠心病风险相关的，是这些产物之一——风险落在代谢物上，而不是落在肉上。

同一块肉，为什么结局不同

你是不是也把”吃肉”当成一个固定的风险值？研究这次测的不是你吃了多少肉，而是你血里有多少咪唑丙酸——一种由肠道菌把组氨酸转化而来的代谢物。决定这个数值的不只是吃了多少组氨酸，还取决于你肠道里有哪几类菌，以及纤维够不够。这也是它比”少吃红肉”更具体的地方。

7432人，两条证据线

7432人，最高五分位风险1.82倍：研究纳入美国护士健康研究、护士健康研究II与卫生专业人员随访研究三项队列共7432名参与者，用Cox比例风险模型评估血浆咪唑丙酸、组氨酸摄入与冠心病风险的关联。结果是：与最低五分位相比，血浆咪唑丙酸最高五分位者的冠心病风险升高82%（风险比1.82，95%置信区间1.17至2.81，趋势检验P值0.002）。组氨酸摄入量则表现为不显著的负向关联。

组氨酸本身，与这个代谢物无关：一个反直觉的地方在这里：组氨酸摄入量并没有与血浆咪唑丙酸水平相关。也就是说，多吃含组氨酸的食物并不必然把血里的代谢物抬高。决定血浆水平的关键，落在摄入之后的那一步——谁在替你转化它。

纤维和果胶，才是最关键的负向因子：研究用296名男性的粪便宏基因组加7天膳食记录分析饮食与菌群的交互，并在另一项研究中重复。结果显示，膳食纤维是咪唑丙酸的关键负向预测因子，其中果胶的作用最突出。研究者还发现，只有在”果胶摄入低、且产该代谢物的菌群能力强”这两个条件同时出现时，组氨酸摄入才会推高血浆水平。纤维的保护也有机制侧旁证：一项动物实验显示，膳食纤维被菌群分解产生的丁酸能重编程肠道细胞，留下抗炎记忆。[来源：Scientists discover how gut bacteria “train” the intestine to fight inflammation]

17种菌，决定你能不能生成它：研究识别出17种与咪唑丙酸相关的菌种，包括梭菌属与布劳特菌属，并据此构建了一个微生物评分来代表菌群的”产该代谢物能力”。功能分析还发现，微生物的尿刊酸还原酶基因与心血管风险标志物相关。同一顿饭，不同菌群给出的代谢账单并不一样。

同一代谢物，在肥胖上也留了痕迹：这条线索不只指向心脏。一项针对亚洲人群的多组学研究把宏基因组与血浆代谢组结合起来，发现肥胖者身上存在”组氨酸偏低、咪唑丙酸偏高”的特征：该代谢物不仅与体重指数正相关，还随肥胖严重程度逐级升高，并在减重手术后的三个月内快速下降。[来源：Gut microbiota-derived imidazole propionate is associated with obesity]

1.82倍，关键看果胶够不够

最高五分位1.82倍（1.17至2.81）、趋势检验P值0.002；组氨酸摄入不显著；真正的负向因子是纤维，尤其果胶；17种菌与一个尿刊酸还原酶基因参与其中。风险的天平，更多压在纤维这一边。

把果胶吃够，比戒肉更划算

1 风险相关的是代谢物水平：血浆咪唑丙酸最高五分位者，冠心病风险高82%。

2 决定这个水平的是菌群与纤维，尤其果胶；组氨酸摄入本身没有显著关联，所以”少吃某一种氨基酸”并不是可行方案。

3 这是观察性研究，相关不等于因果：膳食评估存在测量误差，微生物评分在不同队列间的重复也有限；如果你已有冠心病或相关危险因素，饮食调整请先与医生讨论。

多变量调整后的残余混杂

① 残余混杂：观察性设计无法排除残余混杂，也不能推断因果。
② 膳食测量误差：膳食评估不可避免存在误差，7天膳食记录虽比问卷更准，错分仍可能削弱真实关联。
③ 菌群评分重复有限：识别出的17种菌与微生物评分在不同队列间的重复程度有限。
④ 人群构成有限：菌群与饮食交互分析主要在男性中完成，女性数据主要来自队列部分的膳食与血浆分析。

参考资料：Liang X, Zhu L, Li J, et al. Circulating imidazole propionate and coronary heart disease risk: interplay between histidine intake, fiber, and gut microbiome. BMC Medicine（2026）. https://doi.org/10.1186/s12916-026-05012-6；Li L, Wang C, Liu L, et al. Gut microbiota-derived imidazole propionate is associated with obesity. Frontiers in Nutrition（2026）. https://doi.org/10.3389/fnut.2026.1861257；Scientists discover how gut bacteria “train” the intestine to fight inflammation. ScienceDaily 新闻稿（2026）. https://www.sciencedaily.com/releases/2026/08/260820002439.htm

免疫治疗期间用抑酸药，疗效约打八二折

一篇汇总已发表荟萃分析与队列研究的叙述性综述指出：质子泵抑制剂（PPI）这类抑酸药与免疫检查点抑制剂（ICI）疗效下降相关，合并风险比约1.18，剂量越高、用药越靠前，影响越明显；而为了处理免疫相关不良反应而短期使用的激素，并未显示削弱长期获益。

如果你或家人正在做免疫治疗，别自行加胃药

如果你或家人正在接受免疫治疗，胃反酸、烧心先别自己买抑酸药顶着：把正在吃的所有药列成清单，交给主管肿瘤科医生判断哪些能停、哪些必须继续。治疗前的激素用药尤其要问清楚指征，不要为了”防副作用”提前吃。

几十块的药，和几十万的治疗

一次免疫治疗的费用，够买很多盒胃药。但一篇综述给出的信号是：这两样东西可能互相干扰。研究者汇总了已发表的荟萃分析与队列数据后指出，长期或高剂量使用抑酸药的人，免疫治疗的效果可能被削弱；而真正需要激素来处理免疫相关不良反应时，短期用药并没有把长期生存优势吃掉。

你的”顺手一盒”，可能不在医生的清单上

你是不是也觉得，反酸烧心随手买盒药，和肿瘤治疗没关系？恰恰相反：抑酸药动的是肠道菌群。同一篇综述里，他汀类药物显示与更好的疗效相关（合并风险比0.80），基线状态下大剂量使用激素则与更差的结局相关（约1.54）——同一张用药清单上，不同药物的方向完全相反。它值得你认真对待。

一份用药清单，三个方向

他汀0.80，方向朝好：综述纳入的是已发表的荟萃分析与队列结果。他汀类药物与免疫治疗的总生存改善相关，合并风险比0.80（95%置信区间0.71–0.92）。作者给出的机制解释是抑制甲羟戊酸通路，进而影响抗肿瘤免疫。需要说明的是，这是相关性表述，不代表可以为了增效而加用他汀。

抑酸药约1.18，方向朝坏：质子泵抑制剂（PPI）在多项观察性研究中一致地表现出与疗效下降相关，合并风险比约1.18。作者指出其机制是剂量依赖性的肠道菌群失调，在免疫治疗开始前就有高剂量用药史的人身上尤为明显——这提示”用药时机”和”用药剂量”同样关键。

激素看情境，1.54与”不影响”：糖皮质激素的结论要分两种情形读：基线状态下使用（相当于泼尼松每日10毫克以上）在回顾性队列中与更差的结局相关，风险比约1.54；而为了处理免疫相关不良反应而治疗性使用时，报道显示并未削弱长期生存获益。同一类药物，用在不同的时机，账不一样。

为什么肠菌能左右疗效：机制层面，一篇聚焦肠菌与免疫耐药的综述 [来源：《Gut microbiome-mediated primary and acquired resistance to immune checkpoint inhibitors in MSI-H/dMMR colorectal cancer: mechanisms, biomarkers, and therapeutic implications-a narrative review》] 提供了更细的框架：在微卫星高度不稳定（MSI-H，一种基因特征）或错配修复缺陷（dMMR）的结直肠癌中，约四分之一到三分之一（25%–35%）的患者对以程序性死亡受体1为基础的免疫治疗存在原发耐药，另有一部分初始缓解者最终出现获得性耐药。

菌群失调的作用不是靠单一细菌，而是通过代谢功能网络发挥作用——短链脂肪酸、胆汁酸、色氨酸代谢物、肌苷和多胺的变化，会削弱杀伤性T细胞（CD8阳性细胞）的浸润与活化；广谱抗生素带来的菌群破坏，也在多项回顾性研究中与免疫治疗的不良结局相关，只是效应大小在各研究间差异较大。

这条通路目前的证据仍以动物模型与其他瘤种为主，结直肠癌的前瞻性证据有限，用它解释抑酸药的影响，目前只能算是合理推测。

他汀降、抑酸升、激素看时机

他汀0.80、抑酸药约1.18、基线激素约1.54，治疗性激素则未见负面影响。伴随用药既能加分也能减分，而它们大多不是肿瘤科医生开的。这就是”把药单交上去”这件事的意义。

三句话，交给正在治疗的人

1 用药清单要包含自己买的药，包括抑酸药和保健品。

2 别因这篇文章自行停药——尤其是激素和降糖药，停药的风险可能更大，调整只能由主管医生决定。

3 这是基于已发表研究的综述，相关不等于因果：具体到个人，权衡疗效、不良反应与原有疾病，必须回到你的主治团队。

综述的边界，先说清楚

① 证据来源是二手汇总：本文为叙述性综述，定量估计来自他人已发表的荟萃分析与队列研究，未做新的合并分析。
② 混杂难以排除：用药人群本身可能病情更重、合并症更多，风险比中的部分差异未必来自药物本身。
③ 机制仍属推测：菌群失调与疗效下降的因果链在结直肠癌人群中的前瞻性证据有限，多数数据来自其他瘤种或临床前模型。
④ 需要前瞻研究验证：作者明确表示，这些关系仍需前瞻性研究确认，当前结论不足以支持改变临床用药规范。

参考资料：Tadesse DS, Befikadu AK, Belete BM, et al. A narrative review on immune checkpoint inhibitor drug interactions with statins, proton pump inhibitors and corticosteroids. Discover Medicine（2026）. https://doi.org/10.1007/s44337-026-00693-7；Marjanović M, Maletin N, Kukić B, et al. Gut microbiome-mediated primary and acquired resistance to immune checkpoint inhibitors in MSI-H/dMMR colorectal cancer: mechanisms, biomarkers, and therapeutic implications-a narrative review. Frontiers in Cellular and Infection Microbiology（2026）. https://doi.org/10.3389/fcimb.2026.1907957

肠道菌群，可能是免疫治疗的”隐形队友”

一项纳入25项研究的系统综述显示：肠道里”产短链脂肪酸”的细菌（普拉梭菌、阿克曼菌）富集的人，黑色素瘤免疫治疗效果往往更好；菌群失调则与疗效差相关。但证据质量参差不齐，17项研究只算”中等偏倚风险”，还不能指导临床用药。

如果你在用免疫治疗，别自行吃益生菌”调菌群”

如果你或家人正在接受免疫治疗，不要自行购买益生菌、益生元去”改善菌群”——现有证据远未成熟，乱调可能帮倒忙。该问的是你的肿瘤科医生：是否有营养评估、菌群检测或临床试验机会。菌群是很有希望的研究方向，但目前还不是处方。

同样的药，有人有效有人无效，差在哪？

免疫治疗（PD-1抑制剂这类药物）改写了黑色素瘤等癌症的治疗格局，但现实是：同样的药，有人肿瘤缩小、有人毫无反应。答案可能藏在一个你从没想过的地方——你的肠道。一项系统综述梳理了381篇文献、纳入25项研究后给出信号：肠道菌群，是免疫治疗的”隐形队友”。

肠道在给免疫系统”通风报信”

你是不是也觉得”肠道菌群”只是管消化、管排便的事？但越来越多的证据显示，肠道里的细菌群落直接参与塑造全身免疫。菌群的代谢产物——短链脂肪酸——能影响树突状细胞、抗原呈递和T细胞活化，也就是免疫治疗要借力的那条通路。综述发现，产短链脂肪酸的细菌（普拉梭菌、阿克曼菌）富集者，免疫治疗应答更好；菌群失调、致病菌真菌富集者，疗效和生存都更差——你的”肠道住户”，在帮你或拖累你。

25项研究，指向同一个信号

谁在”帮”免疫，谁在”拖后腿”：产短链脂肪酸菌（普拉梭菌、阿克曼菌）的富集，在多项研究中与更好的免疫治疗应答相关；反过来，菌群失调以及条件致病菌、真菌的富集，与疗效下降和更差生存相关。还有研究发现，应答者的肠道菌群构成（如拟杆菌门与厚壁菌门的比例）与非应答者存在系统差异。

菌群怎么影响免疫药：机制线索是通的：肠道微生物的代谢产物通过影响树突状细胞功能、抗原呈递和T细胞活化，间接调节抗肿瘤免疫；菌群组成的纵向变化甚至可能成为治疗应答的早期信号——用药后菌群怎么变，可能预告疗效怎么走。

证据够硬吗？还差得远：用（ROBINS-I偏倚风险评估工具）评估，25项研究里17项为中等偏倚风险、8项为严重偏倚风险，主要问题在残余混杂和小型单中心设计；患者人群、测序方法、结局定义各不相同。综述作者明确：菌群导向的治疗策略要进临床，还缺大规模、标准化、前瞻性、多中心的研究。

用药史，也可能在改写菌群：另一个提醒来自爱沙尼亚2500多人的队列：不仅抗生素，抗抑郁药、降压药（β受体阻滞剂）、抑酸药（质子泵抑制剂）、抗焦虑药（苯二氮卓类）都会在肠道留下长期”指纹”，部分影响停药数年后仍可检测到（Aasmets et al., 2025）。也就是说，免疫应答的菌群变量，可能早在你吃过的药里埋下了。

25项研究、17项中等质量、8项严重偏倚

从”产短链脂肪酸菌富集者应答更好”的积极信号，到17/25项中等偏倚、8/25项严重偏倚的质量现实——方向很诱人，地基还不牢。菌群是免疫治疗的”潜力股”，但不是今天就能下注的”定论”。

别急着”调菌群”，先记住三件事

1 肠道菌群与免疫治疗应答相关，产短链脂肪酸菌富集是积极信号。

2 药物会长期重塑菌群，用药史是研究菌群时绕不开的隐藏变量。

3 证据未成熟，别自行吃益生菌替代治疗：菌群是研究方向，听肿瘤科医生的才是正路。

别把”相关”当”因果”

① 观察性为主：纳入研究均为观察性设计，无法证明菌群改变能直接提升疗效。
② 偏倚风险高：17/25项中等、8/25项严重偏倚，结论需谨慎解读。
③ 方法学不统一：测序方法、结局定义、人群差异大，结果难直接对比。
④ 未验证干预：菌群移植、益生菌干预研究被排除，不能据此开”菌群处方”。

参考资料：1. Muacevic V, et al. Gut microbiome and response to immune checkpoint inhibitors in melanoma: a systematic review. Cureus. 2026. https://doi.org/10.7759/cureus.113248
2. Aasmets O, et al. A hidden confounder for microbiome studies: medications used years before sample collection. mSystems. 2025. 来源: https://www.sciencedaily.com/releases/2026/08/260824065605.htm