Pharmacogenomics ได้รับการยอมรับมาอย่างยาวนานว่าเป็นปัจจัยหลักที่กำหนดความแปรปรวนระหว่างบุคคลในการตอบสนองต่อยา อย่างไรก็ตาม ความหลากหลายทางพันธุกรรม (genetic polymorphisms) สามารถอธิบายความแตกต่างหลากหลายที่สังเกตได้ในผลลัพธ์ของการรักษาเพียงบางส่วนเท่านั้น มิติที่ขนานกันและมักถูกมองข้าม คือ ความสามารถทางเมแทบอลิซึมของไมโครไบโอมในลำไส้ของมนุษย์ ซึ่งได้กลายเป็นตัวควบคุมที่มีความสำคัญไม่แพ้กันต่อเภสัชจลนศาสตร์และเภสัชพลศาสตร์ สาขาของ pharmacomicrobiomics ทำหน้าที่ศึกษาวิจัยปฏิสัมพันธ์ระดับโมเลกุลแบบสองทิศทางระหว่างชุมชนจุลินทรีย์ในลำไส้และ xenobiotics ซึ่งครอบคลุมถึงยาที่ได้รับการรับรอง, ยาต้นแบบ (prodrugs) และสารอาหารที่ออกฤทธิ์ทางชีวภาพ การทบทวนนี้เป็นการสังเคราะห์หลักฐานปัจจุบันผ่านกลไกหลักสี่ประการ: (1) การยับยั้งฤทธิ์ยาโดยตรงโดยจุลินทรีย์ ดังตัวอย่างการรีดักชันของ digoxin ไปเป็น dihydrodigoxin โดย Eggerthella lenta ผ่าน cardiac glycoside reductase (cgr) operon; (2) การลดลงของการดูดซึมยาเข้าสู่กระแสเลือดโดยจุลินทรีย์ก่อนที่จะมีการดูดซึมเข้าสู่ระบบ ดังที่แสดงโดยการเปลี่ยน levodopa เป็น peripheral dopamine โดยอาศัย tyrosine decarboxylase ของ Enterococcus faecalis; (3) การส่งเสริมประสิทธิภาพในการรักษาของยาโดยขึ้นอยู่กับจุลินทรีย์ในลำไส้ ดังที่แสดงโดยกลไกของ metformin ส่วนหนึ่งที่ต้องพึ่งพาการเพิ่มปริมาณของ Akkermansia muciniphila และการส่งสัญญาณของกรดไขมันสายสั้น; (4) การแปรรูปทางชีวภาพของ polyphenol จากอาหารโดยจุลินทรีย์ให้กลายเป็นเมแทบอไลต์ในกระแสเลือดที่ออกฤทธิ์ทางเภสัชวิทยา รวมถึงการเปลี่ยน ellagic acid เป็น urolithin A และการเปลี่ยน daidzein เป็น equol ที่มีความสำคัญอย่างยิ่ง หัวข้อรองที่กล่าวถึงรวมถึงการกระตุ้นเมแทบอไลต์ที่เป็นพิษ SN-38 ของ irinotecan อีกครั้งโดย β-glucuronidase ของแบคทีเรียในลำไส้, การเปลี่ยนรูปของกรดน้ำดีโดยจุลินทรีย์และผลกระทบต่อการส่งสัญญาณของตัวรับนิวเคลียร์ (FXR, TGR5) และกลยุทธ์เชิงแปลผล (translational strategies) ที่เกิดขึ้นใหม่ เช่น การจัดทำโปรไฟล์ไมโครไบโอม, การยับยั้งเอนไซม์จำเพาะเป้าหมาย และการปลูกถ่ายจุลินทรีย์ในอุจจาระ ซึ่งกลไกเหล่านี้เป็นตัวขับเคลื่อน แพทย์และนักวิจัยทางคลินิกไม่สามารถตีความความล้มเหลวของยา, ความแปรปรวนของการให้ยา หรือการทดลองการใช้สารอาหารบำบัดได้อย่างมีความรับผิดชอบ หากไม่คำนึงถึงชั้นเภสัชวิทยาของจุลินทรีย์ที่อธิบายไว้ในที่นี้
Keywords: pharmacomicrobiomics, gut microbiota, drug metabolism, levodopa, digoxin, metformin, Akkermansia muciniphila, urolithin A, ellagic acid, equol, irinotecan, β-glucuronidase, bile acids, precision medicine
1. Introduction
กรอบการทำงานดั้งเดิมของนักเภสัชวิทยาคลินิกกำหนดให้เมแทบอลิซึมของยาเกิดขึ้นในอวัยวะหลักสองส่วน ได้แก่ ตับ และเยื่อบุลำไส้ในระดับที่น้อยกว่า โดยควบคุมโดยเอนไซม์ cytochrome P450, glucuronosyltransferases และ efflux transporters ที่มีลักษณะเฉพาะอย่างดี กรอบการทำงานนี้แม้ว่าจะมีความแม่นยำในขอบเขตของมัน แต่ได้ละเลยระบบนิเวศที่มีความสามารถทางเมแทบอลิซึมมหาศาลที่อาศัยอยู่ภายในทางเดินอาหารของมนุษย์ไปอย่างเป็นระบบ นั่นคือ จุลินทรีย์ในลำไส้ (gut microbiota) ซึ่งประกอบด้วยเซลล์จุลินทรีย์ประมาณ 1013 เซลล์ที่รหัสยีนที่แตกต่างกันมากกว่า 5 ล้านยีน [^1] ความสามารถรวมของเอนไซม์ในชุมชนนี้เกินกว่าตับของมนุษย์หลายเท่าในแง่ของความหลากหลายทางเคมี และมันทำงานกับโมเลกุล xenobiotic ทุกโมเลกุลที่เคลื่อนผ่านช่องทางเดินลำไส้
การยอมรับว่าแบคทีเรียในลำไส้สามารถเปลี่ยนสารที่ออกฤทธิ์ทางเภสัชวิทยาได้ไม่ใช่เรื่องใหม่ มีรายงานการยับยั้งฤทธิ์ของ digoxin โดย Eubacterium lentum มาตั้งแต่ปี 1982 [^2] สิ่งที่ใหม่คือความละเอียดระดับโมเลกุลที่ปฏิสัมพันธ์เหล่านี้ได้รับการกำหนดคุณลักษณะนับตั้งแต่มีการกำเนิดของ metagenomics, แบบจำลองหนู gnotobiotic และชีวเคมีเชิงโครงสร้าง ขณะนี้เราเข้าใจถึงยีน, เอนไซม์ และแม้แต่ single-nucleotide polymorphism ที่เฉพาะเจาะจานซึ่งรับผิดชอบต่อการเกิด decarboxylation ของ levodopa ในส่วน jejunum ของผู้ป่วยพาร์กินสัน [^3] เรารู้จัก operon ที่แม่นยำซึ่งรับผิดชอบต่อการรีดักชันของ digoxin [^4] เรารู้ว่าสกุลแบคทีเรียใดที่เปลี่ยน ellagic acid เป็น urolithin A และเรากำลังเริ่มเข้าใจว่าเหตุใด metformin จึงอาจต้องการจุลินทรีย์สัญลักษณ์ในเยื่อบุ (mucosal symbiont) ที่เฉพาะเจาะจงเพื่อให้ส่งผลต่อระดับน้ำตาลได้อย่างเต็มที่ [^5]
คำว่า pharmacomicrobiomics ถูกนำมาใช้เพื่ออธิบายสาขานี้ ซึ่งเป็นการศึกษาระบบว่าการเปลี่ยนแปลงของไมโครไบโอมส่งผลต่อความแปรปรวนระหว่างบุคคลในการตอบสนองต่อยาและอาการไม่พึงประสงค์จากการใช้ยาอย่างไร โดยขนานไปกับโครงสร้างแนวคิดของ pharmacogenomics [^6] ขอบเขตของ pharmacomicrobiomics กว้างกว่าที่ได้รับการยอมรับโดยทั่วไปในเวชปฏิบัติทางคลินิก ซึ่งไมโครไบโอมยังคงเกี่ยวข้องกับการบริหารโปรไบโอติกในระหว่างการรักษาด้วยยาปฏิชีวนะเป็นหลัก การทบทวนนี้มุ่งเน้นไปที่แพทย์และนักวิจัยทางคลินิกโดยเฉพาะ โดยมีวัตถุประสงค์เพื่อสร้างรากฐานระดับโมเลกุลของปฏิสัมพันธ์ระหว่างจุลินทรีย์และยา และอธิบายผลกระทบโดยตรงต่อการจัดการผู้ป่วย, กลยุทธ์การให้ยา และการตีความสารอาหารบำบัด
รูปแบบที่เลือกคือบทความวิจัยปริทัศน์ทางคลินิก (Clinical Review Article) เนื่องจากความต้องการหลักในโดเมนนี้คือการสังเคราะห์ที่มีโครงสร้างซึ่งแพทย์ผู้ปฏิบัติงานสามารถเข้าถึงได้ มากกว่าที่จะเป็นการวิเคราะห์อภิมาน (meta-analysis) ของคำถามเชิงแทรกแซงที่กำหนดไว้ ฐานหลักฐานครอบคลุมตั้งแต่ชีวเคมีเชิงกลไก, แบบจำลองสัตว์ gnotobiotic, กลุ่มตัวอย่างสังเกตการณ์ในมนุษย์ และการทดลองทางคลินิกระยะแรก ซึ่งความหลากหลายของรูปแบบการศึกษานี้สังเคราะห์ได้ดีที่สุดผ่านการบรรยาย
2. Mechanistic Foundations: How the Microbiota Interacts with Xenobiotics
2.1 Direct Enzymatic Biotransformation
แบคทีเรียในลำไส้มีความสามารถของเอนไซม์ที่หลากหลายซึ่งสามารถเปลี่ยนโครงสร้างทางเคมีของโมเลกุลยาได้ ปฏิกิริยาหลักประกอบด้วย hydrolysis (glycoside hydrolases, β-glucuronidases, sulfatases), reduction (azoreductases, nitro-reductases, carbonyl reductases, diol dehydratases), decarboxylation, dehydroxylation และ acetylation [^7] เนื่องจากปฏิกิริยาเหล่านี้หลายอย่างไม่สามารถย้อนกลับได้หรือผลิตเมแทบอไลต์ที่ไม่สามารถข้ามแนวกั้นระหว่างเลือดและสมอง (BBB) ได้ ผลที่ตามมาทางคลินิกจึงมีตั้งแต่การสูญเสียประสิทธิภาพไปจนถึงการสร้างผลิตภัณฑ์ที่เป็นพิษ
ที่สำคัญคือ ความสามารถของเอนไซม์เหล่านี้ไม่ได้กระจายตัวอย่างสม่ำเสมอทั่วทั้งชุมชนแบคทีเรีย cgr operon ที่รับผิดชอบต่อการรีดักชันของ digoxin มีอยู่ในสายพันธุ์ Eggerthella lenta เพียงบางส่วนเท่านั้น [^4] ยีน tyrDC ที่เป็นตัวกลางในการเกิด decarboxylation ของ levodopa พบได้ส่วนใหญ่ใน Enterococcus faecalis และสายพันธุ์ Lactobacillus บางชนิด [^3] ความละเอียดในระดับยีนนี้หมายความว่าผลกระทบทางเภสัชวิทยาของจุลินทรีย์ไม่ใช่ปรากฏการณ์ระดับสปีชีส์ แต่เป็นปรากฏการณ์ระดับสายพันธุ์และแม้แต่ระดับอัลลีล ซึ่งส่งผลโดยตรงต่อเวชศาสตร์แม่นยำ (precision medicine) ที่ได้รับข้อมูลจากไมโครไบโอม
2.2 Indirect Modulation of Host Metabolism
นอกจากการเปลี่ยนแปลงยาโดยตรงแล้ว จุลินทรีย์ยังกำหนดเภสัชจลนศาสตร์ของยาทางอ้อมผ่านทาง: การเปลี่ยนแปลงความสามารถในการซึมผ่านของลำไส้และการดูดซึมยา; การควบคุมการแสดงออกของเอนไซม์ CYP ในตับผ่านเมแทบอไลต์ของจุลินทรีย์ในกระแสเลือด (รวมถึงกรดน้ำดีและกรดไขมันสายสั้น); การควบคุมการแสดงออกของตัวขนส่งยา (drug transporter); และการปรับระบบภูมิคุ้มกันที่เปลี่ยนแปลงสภาพแวดล้อมการตอบสนองต่อยา [^6][^8] แกนลำไส้-ตับ (gut-liver axis) ซึ่งสื่อสารส่วนหนึ่งผ่านการหมุนเวียนของกรดน้ำดีทุติยภูมิในระบบพอร์ทัล ถือเป็นเส้นทางทางอ้อมที่สำคัญอย่างยิ่ง ซึ่งจะกล่าวถึงแยกกันในส่วนที่ 5
2.3 Bidirectionality: Drugs as Microbial Modulators
ปฏิสัมพันธ์นี้ไม่ได้เกิดขึ้นในทิศทางเดียว ยาหลายชนิดเปลี่ยนโครงสร้างของชุมชนจุลินทรีย์ในลำไส้ ซึ่งจะส่งผลรองต่อการเปลี่ยนแปลงสภาพแวดล้อมทางเภสัชพลศาสตร์ของตัวยาเอง ยาปฏิชีวนะเป็นตัวอย่างที่ชัดเจนที่สุด แต่ยาที่ไม่ใช่ยาปฏิชีวนะ รวมถึง proton pump inhibitors, metformin, aspirin และ selective serotonin reuptake inhibitors ก็สามารถเปลี่ยนองค์ประกอบของจุลินทรีย์ได้อย่างชัดเจน โดยมีผลตามมาต่อเมแทบอลิซึมของยาที่ให้ร่วมกันหรือยาที่ให้ตามมา [^1][^6]
3. Drug Inactivation by the Gut Microbiota
3.1 Digoxin and Eggerthella lenta: A Paradigmatic Case
Digoxin ซึ่งเป็น cardiac glycoside ที่มีช่วงดัชนีการรักษาแคบ (narrow therapeutic index) ที่ใช้ในภาวะหัวใจล้มเหลวและหัวใจห้องบนสั่นพลิ้ว เป็นยารายการแรกที่มีการบันทึกการยับยั้งฤทธิ์ในร่างกายโดยแบคทีเรียในลำไส้อย่างเคร่งครัดทางคลินิก Lindenbaum และคณะแสดงให้เห็นในช่วงต้นทศวรรษ 1980 ว่าผู้ป่วยกลุ่มหนึ่งที่ได้รับ digoxin ทางปากอย่างสม่ำเสมอมีระดับเมแทบอไลต์ dihydrodigoxin ที่ไม่มีฤทธิ์ต่อหัวใจในปัสสาวะสูง และการเปลี่ยนรูปนี้ถูกป้องกันได้ด้วยการรักษาด้วยยาปฏิชีวนะที่มุ่งเป้าไปที่ Eubacterium lentum (ซึ่งต่อมาถูกจัดประเภทใหม่เป็น Eggerthella lenta) [^2] การรีดักชันของ digoxin ไปเป็น 20R-dihydrodigoxin โดยการเพาะเชื้อ E. lenta ได้รับการพิสูจน์ในภายหลังว่ามีความจำเพาะต่อโครงสร้างแบบ stereospecific โดยมีความจำเพาะต่อ epimer 20R มากกว่า 99% [^9]
พื้นฐานระดับโมเลกุลสำหรับการเปลี่ยนรูปนี้ได้รับการอธิบายโดย Haiser, Balskus และ Turnbaugh ในวารสาร Science ปี 2013 [^4] โดยใช้การจัดทำโปรไฟล์การถอดรหัส (transcriptional profiling) และจีโนมิกส์เชิงเปรียบเทียบ พวกเขาได้ระบุ cgr operon ซึ่งเป็นกลุ่มยีนสองตัวที่รหัสเอนไซม์ cytochrome-dependent reductase ที่ถูกกระตุ้นโดย digoxin เองภายใต้สภาวะที่มี arginine ต่ำ ไม่ใช่สายพันธุ์ E. lenta ทุกสายพันธุ์ที่มี cgr operon: การมีอยู่ของมันคือปัจจัยตัดสินที่สำคัญว่าไมโครไบโอมของผู้ป่วยแต่ละรายจะยับยั้งฤทธิ์ของ digoxin ในร่างกายหรือไม่ งานวิจัยต่อมาได้ระบุว่า Cgr2 เป็นเอนไซม์ตัวเดียวที่เพียงพอสำหรับการยับยั้งฤทธิ์ของ digoxin และแสดงให้เห็นว่ายีนนี้แพร่หลายแต่มีการกระจายตัวอย่างไม่สม่ำเสมอในประชากรทั่วไป [^2]
การพึ่งพา arginine นั้นมีความเกี่ยวข้องทางคลินิกโดยตรง หนู gnotobiotic ที่ถูกทำให้มี E. lenta ที่ลดฤทธิ์ digoxin และได้รับอาหารที่มีโปรตีนสูง (arginine สูง) สามารถรักษาระดับความเข้มข้นของ digoxin ในซีรั่มได้สูงกว่ากลุ่มควบคุมที่ได้รับโปรตีนต่ำอย่างมีนัยสำคัญ [^4] สิ่งนี้แปลผลเป็นพารามิเตอร์ที่สามารถทดสอบและปรับเปลี่ยนได้ด้วยอาหาร: การรับประทานโปรตีนจากอาหารอาจควบคุมการดูดซึม digoxin ได้บางส่วนในผู้ป่วยที่มี E. lenta ที่มี cgr ข้อสรุปทางคลินิกคือความแปรปรวนของประสิทธิภาพของ digoxin ในผู้ป่วยแต่ละรายไม่สามารถอธิบายได้อย่างสมบูรณ์ด้วยความแปรปรวนทางเภสัชพันธุศาสตร์ใน P-glycoprotein หรือ UGT1A locus โดยไม่พิจารณาสถานะของ cgr operon ร่วมด้วย
การทบทวนเมื่อเร็วๆ นี้ได้ขยายการวิเคราะห์นี้ให้ครอบคลุมถึงปฏิสัมพันธ์ทางเมแทบอลิซึมที่กว้างขึ้นของ digoxin กับไมโครไบโอม รวมถึงผลกระทบต่อกรดน้ำดีทุติยภูมิ, วิถี prostaglandin และสภาวะสมดุลของไขมันในระบบ ซึ่งตอกย้ำว่าปฏิสัมพันธ์ระหว่าง E. lenta และ digoxin ไม่ได้แยกส่วนทางเภสัชจลนศาสตร์ แต่ฝังตัวอยู่ในเครือข่ายเมแทบอลิซึมที่กว้างขึ้น [^10]
3.2 Levodopa and the Enterococcus faecalis / Eggerthella lenta Two-Step Pathway
Levodopa (L-dopa) ยังคงเป็นการรักษาหลักตามอาการสำหรับโรคพาร์กินสัน และการตอบสนองทางคลินิกที่หลากหลาย ซึ่งต้องมีการปรับขนาดยาที่แตกต่างกันอย่างมากในผู้ป่วยแต่ละราย มักถูกอ้างว่าเป็นผลมาจากความแปรปรวนทางพันธุกรรมใน aromatic amino acid decarboxylase (AADC) ของโฮสต์, ความหลากหลายของ CYP2D6 และเภสัชจลนศาสตร์รอบนอก ปัจจัยที่มีส่วนร่วมที่สำคัญแต่มักถูกประเมินค่าต่ำไปอย่างเป็นระบบคือเมแทบอลิซึมของจุลินทรีย์ในลำไส้เล็กส่วนต้น
van Kessel, Frye และ El Aidy ได้แสดงให้เห็นในการศึกษาที่ตีพิมพ์ใน Nature Communications ว่าแบคทีเรีย tyrosine decarboxylase (TyrDC) ซึ่งรหัสโดย Enterococcus faecalis เป็นหลักและพบในสายพันธุ์ Enterococcus มากกว่า 50 สายพันธุ์รวมถึงสายพันธุ์ Lactobacillus หลายชนิด สามารถเปลี่ยน L-dopa เป็น peripheral dopamine ได้อย่างมีประสิทธิภาพแม้ว่าจะมี tyrosine เป็นสารตั้งต้นคู่แข่งก็ตาม [^11] ที่สำคัญคือ ยา carbidopa ซึ่งเป็นตัวยับยั้ง AADC ที่มุ่งเป้าไปที่โฮสต์ ซึ่งให้ร่วมกับ L-dopa เพื่อป้องกันการเปลี่ยนรูปภายนอกระบบประสาทส่วนกลางโดยเฉพาะ ไม่ได้ยับยั้ง TyrDC ของแบคทีเรีย เนื่องจากมันมีความจำเพาะต่อเอนไซม์ของยูคาริโอตแต่ไม่มีฤทธิ์ต่อโฮโมล็อกของโปรคาริโอตที่ความเข้มข้นที่สามารถทำได้ทางคลินิก [^11][^12] เป็นผลให้ L-dopa ที่บริหารให้ถึง 56% อาจไปไม่ถึงสมองแม้ว่าจะมีการให้ carbidopa ร่วมด้วยก็ตาม
เส้นทางระดับโมเลกุลคือการทำงานร่วมกันระหว่างสปีชีส์และเป็นไปตามลำดับ: ขั้นแรก E. faecalis TyrDC จะทำปฏิกิริยา decarboxylates L-dopa ให้เป็น dopamine; จากนั้น E. lenta สายพันธุ์ A2 จะทำปฏิกิริยา dehydroxylates dopamine ให้เป็น m-tyramine ผ่านเอนไซม์ที่ขึ้นกับ molybdenum cofactor (Dadh) Maini Rekdal และคณะในบทความวารสาร Science ปี 2019 ได้วางแผนที่ทั้งสองขั้นตอน โดยระบุ single-nucleotide polymorphism ในยีน dadh ที่พยากรณ์การออกฤทธิ์ของ dehydroxylation ได้ และแสดงให้เห็นว่าปริมาณของ E. faecalis, จำนวนยีน tyrDC และ dadh SNP สัมพันธ์กับเมแทบอลิซึมของ L-dopa นอกร่างกายในตัวอย่างอุจจาระจากผู้ป่วยพาร์กินสัน [^3] พวกเขายังแสดงให้เห็นว่า (S)-α-fluoromethyltyrosine (AFMT) ยับยั้ง TyrDC ของแบคทีเรียอย่างจำเพาะเจาะจง และเพิ่มระดับความเข้มข้นสูงสุดของ L-dopa ในซีรั่มของหนูที่ถูกทำให้มี E. faecalis ซึ่งเป็นการพิสูจน์แนวคิดสำหรับสารตัวที่สามที่ให้ร่วมกันเพื่อมุ่งเป้าไปที่การทำงานของ decarboxylase ของจุลินทรีย์แทนที่จะเป็นของโฮสต์
การศึกษาในปี 2025 ที่ตีพิมพ์ใน International Journal of Molecular Sciences ได้ขยายผลลัพธ์เหล่านี้ไปยังกลุ่มตัวอย่างที่แบ่งชั้นทางคลินิก ผู้ป่วยที่มีการตอบสนองต่อ L-dopa ไม่ดีแสดงให้เห็นการเปลี่ยนรูป L-dopa เป็น dopamine ในอุจจาระแบบจำลองนอกร่างกายที่สูงกว่ากลุ่มที่ตอบสนองดีอย่างมีนัยสำคัญ; การทดลองปลูกถ่ายจุลินทรีย์ในอุจจาระในหนูรุ่น MPTP-parkinsonian ยืนยันว่าองค์ประกอบของไมโครไบโอมของผู้บริจาคเป็นตัวกำหนดปริมาณ dopamine ใน striatum และผลลัพธ์ของการเคลื่อนไหวโดยตรง การกำจัดจุลินทรีย์ในลำไส้ด้วยยาปฏิชีวนะที่มุ่งเป้าในแบบจำลองเหล่านี้ช่วยเพิ่มการดูดซึม L-dopa และระดับ dopamine ใน striatum ซึ่งเป็นการสร้างความเป็นเหตุเป็นผลมากกว่าแค่ความสัมพันธ์เพียงอย่างเดียว
หลักฐานชุดนี้บีบบังคับให้ต้องมีการประเมินเวชปฏิบัติในปัจจุบันใหม่ สำหรับนักประสาทวิทยาที่ดูแลผู้ป่วยพาร์กินสันที่มีความผันผวนของการเคลื่อนไหวที่อธิบายไม่ได้, การตอบสนองที่ต่ำกว่าเกณฑ์การรักษา หรือความต้องการขนาดยาที่สูงผิดปกติ การตรวจหาปริมาณ tyrDC ในตัวอย่างอุจจาระหรือลำไส้เล็กส่วน jejunum แม้ว่าจะยังไม่ได้มาตรฐานสำหรับการใช้งานทางคลินิก แต่ก็เป็นเป้าหมายในการวินิจฉัยที่เป็นไปได้ การปรับเปลี่ยนอาหารเพื่อลดสารตั้งต้น tyrosine ที่คู่แข่งหรือการควบคุมปริมาณ E. faecalis อย่างเจาะจงอาจกลายเป็นกลยุทธ์การรักษาเสริมในอนาคต
4. Microbiota-Dependent Drug Efficacy: The Metformin–Akkermansia muciniphila Paradigm
Metformin เป็นยาลดระดับน้ำตาลในเลือดชนิดรับประทานที่ได้รับการสั่งจ่ายมากที่สุดทั่วโลก โดยมีกลไกที่อ้างถึงมานานว่าเป็นการยับยั้ง hepatic gluconeogenesis ผ่านการยับยั้ง mitochondrial complex I และการกระตุ้น AMPK หลักฐานที่สะสมในช่วงทศวรรษที่ผ่านมาท้าทายมุมมองที่เน้นเฉพาะตับนี้ โดยกำหนดให้ไมโครไบโอมในลำไส้เป็นตัวกลางสำคัญในฤทธิ์ในการรักษาของ metformin
Shin และคณะได้พิสูจน์ครั้งแรกในการศึกษาของวารสาร Gut ปี 2013 ว่าการรักษาด้วย metformin ในหนูที่ได้รับอาหารที่มีไขมันสูงเพิ่มปริมาณสัมพัทธ์ของ Akkermansia ซึ่งเป็นแบคทีเรียไม่ใช้ออกซิเจนที่สลายมิวซินและเกี่ยวข้องกับความสมบูรณ์ของเยื่อบุลำไส้ อย่างมีนัยสำคัญ และการให้ A. muciniphila ทางปากโดยไม่มี metformin สามารถทำซ้ำผลในการปรับปรุงความทนทานต่อกลูโคสและการอักเสบของเนื้อเยื่อไขมันได้ [^5] การสังเกตนี้ได้รับการยืนยันในมนุษย์โดย de la Cuesta-Zuluaga และคณะ (Diabetes Care, 2016) ซึ่งพบว่าผู้ป่วยเบาหวานที่รับประทาน metformin มีปริมาณสัมพัทธ์ของ A. muciniphila และจุลินทรีย์ที่ผลิต SCFA หลายชนิด (รวมถึง Butyrivibrio, Bifidobacterium bifidum และ Megasphaera) สูงกว่าผู้ป่วยเบาหวานที่ไม่ได้รับ metformin อย่างมีนัยสำคัญ [^13]
หลักฐานในมนุษย์ที่เข้มงวดที่สุดมาจากการทดลองแบบสุ่มปกปิดสองด้านในผู้ป่วยเบาหวานชนิดที่ 2 ที่ยังไม่เคยได้รับการรักษา (Wu และคณะ, Nature Medicine, 2017) ซึ่งสรุปไว้ใน Gut ว่า: การรักษาด้วย metformin เป็นเวลาสี่เดือนเพิ่มปริมาณ A. muciniphila และความหนาแน่นของเครือข่ายการอยู่ร่วมกันของจุลินทรีย์เชิงบวก; หนูปลอดเชื้อที่ได้รับการปลูกถ่ายอุจจาระหลังการรักษามีความทนทานต่อกลูโคสดีขึ้นเมื่อเทียบกับหนูที่ได้รับอุจจาระก่อนการรักษา; และ metformin ส่งเสริมการเจริญเติบโตของ A. muciniphila โดยตรงในการเพาะเชื้อบริสุทธิ์ [^14] การทดลองปลูกถ่ายในหนูปลอดเชื้อเหล่านี้ยืนยันว่าการเปลี่ยนแปลงของไมโครไบโอมนั้นเพียงพอ และไม่ใช่เพียงแค่ความบังเอิญ ในการสร้างประโยชน์ต่อระดับน้ำตาล ซึ่งเป็นไปตามเกณฑ์ความเป็นเหตุเป็นผลที่สำคัญ
กลไกระดับโมเลกุลที่เสนอมีหลากหลายและพึ่งพากันบางส่วน Metformin ยับยั้ง Complex I ในสายโซ่การขนส่งอิเล็กตรอนของแบคทีเรีย โดยยับยั้งสายพันธุ์ที่ไวต่อ metformin อย่างจำเพาะเจาะจง และสร้างพื้นที่ทางระบบนิเวศสำหรับ A. muciniphila ในทางกลับกัน A. muciniphila ส่งเสริมความหนาของชั้นมิวซินและการเพิ่มจำนวนของเซลล์กอบเล็ต (goblet cell) ปรับปรุงความสมบูรณ์ของเยื่อบุผิวและลดภาวะ metabolic endotoxemia นอกจากนี้ยังกระตุ้นการหลั่ง GLP-1 ที่ขึ้นกับ L-cell ผ่านการส่งสัญญาณของกรดไขมันสายสั้นและกรดน้ำดีทุติยภูมิ ซึ่งจะเป็นการขยายผลของ metformin ต่อระดับน้ำตาลผ่านกลไกการกระตุ้นการหลั่งอินซูลินที่แยกออกจากวิถีเดิมทางตับโดยสิ้นเชิง [^15]
ความแตกต่างที่สำคัญประการหนึ่งเกี่ยวข้องกับขนาดยาและระยะเวลา Rajpurohit (2025) ระบุว่าในขณะที่การเพิ่มขึ้นของ A. muciniphila ในระดับปานกลางช่วยปรับปรุงเยื่อบุลำไส้ แต่ปริมาณที่มากเกินไปจากการใช้ metformin เป็นเวลานานอาจทำให้ชั้นเมือกบางลงอย่างย้อนแย้งผ่านการสลายมิวซินที่มากเกินไป ซึ่งอาจเพิ่มความสามารถในการซึมผ่านของลำไส้และสภาวะการอักเสบ ลักษณะฟีโนไทป์แบบสองคมนี้บ่งชี้ว่าการตอบสนองของไมโครไบโอมที่เหมาะสมต่อ metformin ขึ้นอยู่กับแอมพลิจูด (amplitude-dependent) ซึ่งเป็นข้อควรพิจารณาที่มีผลกระทบต่อกลยุทธ์การให้ยา metformin ระยะยาวในผู้ป่วยที่มีความซับซ้อน
นัยที่กว้างขึ้นนั้นมีความสำคัญ: ความแปรปรวนระหว่างบุคคลในปริมาณ A. muciniphila เริ่มต้นอาจอธิบายความแปรปรวนในการตอบสนองต่อระดับน้ำตาลของ metformin ที่มีการบันทึกไว้เป็นอย่างดี ผู้ป่วยที่ขาดการเกาะติดของ A. muciniphila ที่เพียงพออาจได้รับประโยชน์น้อยกว่า ในขณะที่โปรไบโอติกหรือการแทรกแซงทางอาหารที่เพิ่มจุลินทรีย์ชนิดนี้อาจทำหน้าที่เป็นส่วนเสริมของยา ซึ่งเป็นสมมติฐานที่การทดลองที่กำลังดำเนินอยู่หลายฉบับเริ่มให้คำตอบ
5. Microbial Biotransformation of Nutraceuticals: Converting Dietary Precursors into Active Metabolites
5.1 The Ellagic Acid–Urolithin A Axis
Ellagic acid เป็น polyphenol ที่พบในทับทิม, วอลนัท, เบอร์รี่ และชาบางชนิดที่บ่มในถังไม้โอ๊ค โดยทั่วไปจะอยู่ในรูปของสารแทนนินที่ละลายน้ำได้ (ellagitannins) หลังจากรับประทาน ellagitannins จะถูกไฮโดรไลซ์ในกระเพาะอาหารและลำไส้เล็กเพื่อปลดปล่อย ellagic acid ตัว ellagic acid เองถูกดูดซึมได้ไม่ดีเนื่องจากมีความสามารถในการละลายน้ำต่ำและมีเมแทบอลิซึมในลำไส้ที่รวดเร็ว การดูดซึมเข้าสู่กระแสเลือดในรูปแบบโมเลกุลที่สมบูรณ์นั้นมีน้อยมาก สิ่งที่หมุนเวียนในระดับความเข้มข้นที่มีความเกี่ยวข้องทางชีวภาพ — และสิ่งที่ดูเหมือนจะรับผิดชอบต่อคุณประโยชน์ต่อสุขภาพที่อ้างถึงอาหารที่มี ellagic acid สูง — คือ urolithins ซึ่งเป็นเมแทบอไลต์ของ dibenzofuranone ที่ผลิตโดยจุลินทรีย์ในลำไส้เท่านั้น
วิถีการเปลี่ยนรูปทางชีวภาพดำเนินผ่านการรีดักชันของเอนไซม์จุลินทรีย์และการสร้างวงแลคโตนตามลำดับ สกุล Gordonibacter และ Ellagibacter ได้รับการระบุว่าเป็นตัวกลางสำคัญของขั้นตอนการเปลี่ยนรูปในช่วงต้น โดยมีสายพันธุ์ Bifidobacterium (โดยเฉพาะ B. longum, B. adolescentis และ B. bifidum) มีส่วนช่วยในการสร้าง urolithin A เช่นกัน ตามที่แสดงในการศึกษาการหมักในหลอดทดลองที่กำจัดยาปฏิชีวนะ [^16] Urolithin A — ซึ่งเป็นผลิตภัณฑ์สุดท้ายที่เด่นชัดและได้รับการศึกษามากที่สุด — แสดงให้เห็นฤทธิ์กระตุ้น mitophagy ผ่านการกระตุ้นวิถี PINK1/Parkin, คุณสมบัติต้านการอักเสบผ่านการยับยั้ง NF-κB และการกระตุ้น Nrf2, ฤทธิ์ต้านการแพร่กระจายของเนื้องอกที่ขึ้นกับฮอร์โมนผ่านการปรับ PI3K/AKT/mTOR และการปรับปรุงฟังก์ชันของไมโทคอนเดรียที่เกี่ยวข้องกับการแก่ชราของกล้ามเนื้อและภาวะมวลกล้ามเนื้อน้อย (sarcopenia) [^17][^18]
ที่สำคัญคือ ความสามารถในการผลิต urolithin A จาก ellagic acid ในอาหารไม่ได้มีในทุกคน การศึกษาประชากรระบุฟีโนไทป์ทางเมแทบอลิซึมที่แตกต่างกันสามแบบ: Metabotype A (ผู้ผลิต urolithin A ซึ่งสัมพันธ์กับไมโครไบโอมที่มีความหลากหลายมากกว่า); Metabotype B (ผู้ผลิตของผสมรวมถึง urolithin B, isourolithin A และ urolithin A); และ Metabotype 0 (ผู้ที่ไม่ผลิตซึ่งขาดกลุ่มแบคทีเรียที่จำเป็น) คาดว่า Metabotype 0 จะมีผลกระทบต่อ 30–40% ของประชากรตะวันตก ซึ่งหมายความว่าบุคคลสัดส่วนจำนวนมากที่บริโภคอาหารหรือผลิตภัณฑ์เสริมอาหารที่มี ellagic acid สูงจะไม่ได้รับสารออกฤทธิ์ทางชีวภาพในระบบที่วัดค่าได้ [^17]
ความต่างพันธุ์ของประชากรนี้ส่งผลโดยตรงต่อการออกแบบการทดลองทางคลินิก การศึกษาที่ประเมินสารสกัดจากทับทิม, การบริโภควอลนัท หรือการเสริม ellagic acid ที่ไม่สามารถแบ่งกลุ่มผู้เข้าร่วมตาม metabotype จะประเมินขนาดผลกระทบที่แท้จริงต่ำเกินไปอย่างเป็นระบบ โดยทำให้สัญญาณทางเภสัชวิทยาเจือจางลงด้วยการตอบสนองที่เป็นศูนย์ของผู้เข้าร่วม Metabotype 0 การวิเคราะห์ซ้ำโดยแบ่งตาม metabotype ของการทดลองที่ตีพิมพ์ให้ผลการประมาณค่าผลกระทบที่ชัดเจนกว่าเสมอ การมีอยู่ของการตรวจ urolithin A ในปัสสาวะอย่างง่ายในฐานะเครื่องมือจำแนก metabotype จึงไม่ใช่แค่ความสนใจทางวิชาการ แต่เป็นข้อกำหนดเบื้องต้นสำหรับการออกแบบการวิจัยสารอาหารบำบัดที่ถูกต้อง
5.2 Isoflavones, Daidzein, and Equol: Microbiome-Gated Estrogenic Activity
Soy isoflavones — หลักๆ คือ daidzin, genistin และ glycitin — ถูกบริโภคในรูปของ glycoside conjugates ซึ่งจะถูกไฮโดรไลซ์เป็นรูปแบบ aglycone โดยเอนไซม์ lactase-phlorizin hydrolase ของลำไส้และ β-glucosidases ของจุลินทรีย์ สาร aglycone daidzein เป็นสารตั้งต้นของ (S)-equol ซึ่งเป็นสารประกอบที่ไม่ใช่สเตียรอยด์ที่จับกับตัวรับเอสโตรเจน-β ด้วยความแรงที่มากกว่า daidzein เองประมาณ 20 เท่า และยังจับกับ 5α-dihydrotestosterone (DHT) ซึ่งจะไปยับยั้งการส่งสัญญาณของตัวรับแอนโดรเจน คุณสมบัติของเอสโตรเจนและแอนติแอนโดรเจนของ equol เป็นรากฐานของความสนใจทางคลินิกในถั่วเหลืองในฐานะสารอาหารบำบัดสำหรับอาการวัยทอง, โรคกระดูกพรุน, โรคหลอดเลือดหัวใจ และมะเร็งที่ไวต่อฮอร์โมน
ลำดับขั้นตอนของเอนไซม์ที่เปลี่ยน daidzein เป็น equol — ซึ่งประกอบด้วย daidzein reductase, dihydrodaidzein racemase, tetrahydrodaidzein reductase และ dihydrodaidzein reductase — จำเป็นต้องมีกลุ่มแบคทีเรียไม่ใช้ออกซิเจนที่เฉพาะเจาะจง โดยเฉพาะสมาชิกของวงศ์ Eggerthellaceae (ได้แก่ Adlercreutzia equolifaciens, Slackia equolifaciens และ Slackia isoflavoniconvertens) [^19] จุลินทรีย์เหล่านี้ไม่ได้มีอยู่ทั่วไป: ประมาณ 30–50% ของประชากรในประเทศตะวันตกเป็นผู้ผลิต equol ในขณะที่สัดส่วนจะเพิ่มขึ้นเป็น 50–60% ในประชากรเอเชียที่บริโภคอาหารดั้งเดิมที่มีถั่วเหลืองสูง [^20]
ผลที่ตามมาคือการแบ่งแยกทางเภสัชพลศาสตร์ที่ชัดเจน: ผู้ผลิต equol ที่บริโภคถั่วเหลืองในอาหารหรือผลิตภัณฑ์เสริมอาหารไอโซฟลาโวนจะได้รับสารเอสโตรเจนและแอนติแอนโดรเจนเข้าสู่กระแสเลือด; ผู้ที่ไม่ผลิตจะไม่ได้รับ การวิเคราะห์อภิมานที่รวมกลุ่มคนทั้งสองกลุ่มเข้าด้วยกันโดยไม่มีการแบ่งชั้นจะแสดงผลกระทบของถั่วเหลืองต่ออาการร้อนวูบวาบในวัยทองและความหนาแน่นของมวลกระดูกที่ไม่คงที่และลดลง ซึ่งเป็นผลลัพธ์ที่คาดการณ์ได้อย่างสมบูรณ์จากรากฐานทางกลไกนี้ [^21] งานวิจัย soy isoflavone ที่ไม่ได้ตรวจสอบสถานะผู้ผลิต equol เป็นการทดสอบสถานการณ์ทางชีวภาพที่แตกต่างกันสองแบบเสมือนว่าเป็นแบบเดียวกัน นักกำหนดอาหารทางคลินิกและแพทย์ที่ให้คำแนะนำแก่ผู้ป่วยเรื่องการเสริมถั่วเหลืองควรตระหนักว่าคำแนะนำนั้นมีแนวโน้มที่จะมีประสิทธิภาพแตกต่างกันไปขึ้นอยู่กับไมโครไบโอมของผู้ป่วย
6. Microbiota-Mediated Drug Toxicity: The Irinotecan–β-Glucuronidase Model
Irinotecan (CPT-11) เป็นยาต้นแบบ (prodrug) ที่ใช้กันอย่างแพร่หลายในมะเร็งลำไส้ใหญ่, ปอด และรังไข่ การกระตุ้นทางเภสัชวิทยาประกอบด้วย hydrolysis ที่สื่อโดยเอนไซม์ carboxylesterase ให้เป็น SN-38 ซึ่งเป็นตัวยับยั้ง topoisomerase I ที่มีฤทธิ์รุนแรง ซึ่งต่อมาจะถูก glucuronidated โดย UGT1A ให้กลายเป็น SN-38G conjugate ที่ไม่มีฤทธิ์เพื่อขับออกทางน้ำดี ภายในช่องทางเดินลำไส้ใหญ่ เอนไซม์ β-glucuronidase (GUS) ของแบคทีเรียจะสลาย SN-38G กลับเป็น SN-38 ทำให้เยื่อบุลำไส้ใหญ่สัมผัสกับพิษต่อเซลล์ที่ออกฤทธิ์อีกครั้ง ซึ่งเป็นกลไกที่รับผิดชอบต่ออาการท้องเสียที่เกิดขึ้นล่าช้าและรุนแรง (grade 3/4 ในผู้ป่วย 20–40%) ซึ่งถือเป็นความเป็นพิษหลักที่จำกัดขนาดยาของ irinotecan [^22][^23]
บทบาทที่เป็นเหตุเป็นผลของ GUS ของจุลินทรีย์ได้รับการสร้างขึ้นในเชิงกลไก: หนูที่ได้รับยาปฏิชีวนะแสดงการลดลงของ SN-38 AUC ในเนื้อเยื่อลำไส้ใหญ่ประมาณ 85% โดยไม่มีการเปลี่ยนแปลงของเภสัชจลนศาสตร์ของ SN-38 ในระบบ ซึ่งแสดงให้เห็นว่าเหตุการณ์ทางพิษวิทยาเป็นปรากฏการณ์เฉพาะจุดที่ขับเคลื่อนโดยจุลินทรีย์ในลำไส้ใหญ่ มากกว่าความล้มเหลวทางเภสัชจลนศาสตร์ของระบบ [^24] ตัวยับยั้ง GUS ที่จำเพาะและไม่ทำลายแบคทีเรีย — ซึ่งมีโครงสร้างแตกต่างจาก GUS ของโฮสต์และสามารถปกป้องเยื่อบุลำไส้ใหญ่ได้โดยไม่ทำลายชุมชนจุลินทรีย์หรือลดทอนประสิทธิภาพของ irinotecan ในระบบ — ได้แสดงให้เห็นในแบบจำลองหนูแล้วว่าการยับยั้ง GUS ทั้งช่วยลดความเป็นพิษต่อทางเดินอาหาร และช่วยให้สามารถเพิ่มขนาดความเข้มข้นของยาได้ ซึ่งจะช่วยส่งเสริมประสิทธิภาพในการต้านเนื้องอกได้อย่างมาก
งานวิจัยที่ใหม่กว่าเผยให้เห็นว่าการทำงานของ β-glucuronidase ไม่ใช่กลไกเดียวของจุลินทรีย์ที่เกี่ยวข้องกับความเป็นพิษของ irinotecan สิ่งตีพิมพ์ในวารสาร Gut ปี 2025 ระบุว่า Bacteroides intestinalis เป็นแบคทีเรียที่ขยายตัวในผู้ป่วยที่มีอาการท้องเสียจากการใช้ irinotecan; จุลินทรีย์นี้ผลิต indole-3-acetate (IAA) ซึ่งเป็นสารสลายของ tryptophan ที่ไปยับยั้งการส่งสัญญาณ PI3K-Akt ในเซลล์ต้นกำเนิดของลำไส้ ทำให้การสร้างเยื่อบุผิวขึ้นใหม่ภายใต้การบาดเจ็บทางเคมีที่เกิดจาก irinotecan บกพร่อง [^25] ความเข้มข้นของ IAA ในอุจจาระของผู้ป่วยทางคลินิกมีความสัมพันธ์กับความรุนแรงของอาการท้องเสีย ซึ่งระบุว่าเป็นตัวบ่งชี้ทางชีวภาพในการพยากรณ์โรคที่เป็นอิสระจากวิถี GUS
เส้นทางการสืบสวนคู่ขนานได้ระบุว่า Lactobacillus reuteri เป็นแบคทีเรียที่แสดงออก GUS ซึ่งทำให้ความเป็นพิษต่อลำไส้ของ irinotecan รุนแรงขึ้นโดยการทำลายแหล่งเก็บสำรองการสร้างใหม่ของเซลล์ต้นกำเนิดลำไส้ — ซึ่งเป็นผลลัพธ์ที่เกี่ยวข้องโดยตรงกับแนวปฏิบัติทางคลินิกทั่วไปในการสั่งจ่ายโปรไบโอติก Lactobacillus เพื่อจัดการผลข้างเคียงทางเดินอาหารที่เกี่ยวข้องกับเคมีบำบัด [^26] สมมติฐานที่ว่าโปรไบโอติก Lactobacillus ทั้งหมดมีผลในการป้องกันระหว่างเคมีบำบัดนั้นไม่ได้รับการสนับสนุนทางกลไกและอาจส่งผลเสียต่อผู้ป่วยที่ได้รับ irinotecan
7. Bile Acid Biotransformation: The Microbial Metabolite Axis in Drug and Metabolic Pharmacology
การเปลี่ยนรูปของกรดน้ำดีปฐมภูมิ (cholic acid และ chenodeoxycholic acid) ของจุลินทรีย์ในลำไส้ไปเป็นกรดน้ำดีทุติยภูมิ (deoxycholic acid, lithocholic acid, ursodeoxycholic acid และอนุพันธ์จำนวนมาก) ผ่านกระบวนการ 7α-dehydroxylation, epimerisation, oxidation และ deconjugation ถือเป็นแกนหลักของการปฏิสัมพันธ์ทางเมแทบอลิซึมระหว่างจุลินทรีย์และโฮสต์ที่มีมายาวนานที่สุด สิ่งที่เพิ่งได้รับการอธิบายให้ชัดเจนยิ่งขึ้นคือระดับที่วิถีการเปลี่ยนรูปทางชีวภาพนี้ตัดขวางกับเภสัชวิทยาของ xenobiotic
กรดน้ำดีปฐมภูมิเป็นลิแกนด์ที่ต้องการสำหรับ farnesoid X receptor (FXR) ในขณะที่กรดน้ำดีทุติยภูมิที่ผลิตโดยจุลินทรีย์เป็นลิแกนด์สำหรับ TGR5 (GPBAR1) [^27] การกระตุ้น TGR5 ใน L cells ของลำไส้จะกระตุ้นการหลั่ง GLP-1 ซึ่งจะช่วยส่งเสริมความไวต่ออินซูลินโดยตรง การส่งสัญญาณของ FXR ควบคุมการสังเคราะห์กรดน้ำดี, เมแทบอลิซึมของไลโปโปรตีน และการตอบสนองต่อการอักเสบ และการเปลี่ยนแปลงในการกระตุ้น FXR ซึ่งเป็นผลรองจากภาวะจุลินทรีย์ในลำไส้เสียสมดุล (dysbiosis) มีส่วนเกี่ยวข้องกับโรคไขมันพอกตับที่ไม่ได้เกิดจากแอลกอฮอล์, โรคลำไส้อักเสบ และมะเร็งลำไส้ใหญ่ [^28] ที่สำคัญ เนื่องจากยาหลายชนิดที่ได้รับการรับรองในปัจจุบัน — รวมถึง obeticholic acid (ตัวกระตุ้น FXR แบบเลือกที่ได้รับอนุมัติสำหรับโรคท่อน้ำดีอักเสบปฐมภูมิ), สารจับกรดน้ำดี และสารกระตุ้นการหลั่งในลำไส้ที่จำกัดเฉพาะจุด — ทำงานโดยการปรับแต่งการทำงานของ FXR และ TGR5 อย่างแม่นยำ การกำหนดองค์ประกอบของกลุ่มกรดน้ำดีโดยจุลินทรีย์จึงถือเป็นตัวแปรทางเภสัชวิทยาโดยตรง [^29]
การเปลี่ยนแปลงของจุลินทรีย์ (จากโรค, ยาปฏิชีวนะ หรือยาอื่นๆ) จะเปลี่ยนอัตราส่วนของกรดน้ำดีปฐมภูมิต่อทุติยภูมิ ซึ่งจะเป็นการเปลี่ยนระดับการกระตุ้น FXR และ TGR5 พื้นฐาน และอาจปรับเปลี่ยนการตอบสนองทางเภสัชพลศาสตร์ต่อยาที่มุ่งเป้าไปที่ตัวรับเหล่านี้ ผู้ป่วยที่มีจุลินทรีย์ลดลงจากการใช้ยาปฏิชีวนะจะมีกลุ่มกรดน้ำดีและโปรไฟล์การกระตุ้นตัวรับที่แตกต่างไปจากเดิมอย่างสิ้นเชิงเมื่อเทียบกับผู้ป่วยที่ไม่ได้รับการรักษา — ซึ่งเป็นข้อพิจารณาที่ไม่ค่อยมีการนำมาคำนึงถึงในการทดลองทางคลินิกของยา
8. Translational Implications and Emerging Clinical Strategies
8.1 Microbiome Profiling as a Pre-Treatment Biomarker
หลักฐานที่ทบทวนข้างต้นสนับสนุนแนวคิดที่ว่าการจัดทำโปรไฟล์ไมโครไบโอมพื้นฐาน — โดยเฉพาะการหาปริมาณของยีนหน้าที่ที่เกี่ยวข้อง (เช่น cgr2, tyrDC, GUS-encoding loci, ยีนสังเคราะห์ทางชีวภาพของ equol, urolithin metabotyping) — สามารถพยากรณ์การตอบสนองต่อยาและความเสี่ยงของเหตุการณ์ไม่พึงประสงค์ในสถานการณ์ทางคลินิกที่เฉพาะเจาะจงได้ การตรวจวิเคราะห์ด้วยวิธี Quantitative PCR สำหรับ tyrDC และ cgr2 มีความเป็นไปได้ในทางเทคนิค; การตรวจสอบความถูกต้องทางคลินิกกำลังดำเนินการอยู่ การจัดลำดับจีโนมแบบ Shotgun metagenomic sequencing ให้ข้อมูลหน้าที่ที่กว้างกว่าแต่มีค่าใช้จ่ายและความซับซ้อนในการวิเคราะห์ที่สูงกว่า การตรวจวัด urolithin A ในปัสสาวะเพื่อเป็นตัวบ่งชี้ทางชีวภาพทางเภสัชพลศาสตร์ของสารอาหารบำบัดได้มีการนำไปใช้แล้วในการวิจัยทางคลินิก
8.2 Targeted Microbial Enzyme Inhibition
แบบจำลองตัวยับยั้ง GUS สำหรับ irinotecan แสดงให้เห็นถึงกลยุทธ์การรักษาที่ตรงเป้าหมายซึ่งปรับแต่งการทำงานทางเภสัชวิทยาของไมโครไบโอมโดยไม่เปลี่ยนองค์ประกอบของชุมชนในวงกว้าง แนวทางที่คล้ายกันนี้มีความเป็นไปได้ในเชิงแนวคิดสำหรับวิถี E. faecalis TyrDC: สารประกอบ AFMT แสดงให้เห็นการยับยั้งแบคทีเรีย decarboxylase อย่างจำเพาะเจาะจงในตัวอย่างจุลินทรีย์ของมนุษย์นอกร่างกาย โดยเพิ่มระดับความเข้มข้นสูงสุดของ L-dopa ในแบบจำลองสัตว์ [^3] การเปลี่ยนสารดังกล่าวมาเป็นการรักษาเสริมทางคลินิกจะต้องอาศัยความชัดเจนในเรื่องความจำเพาะ, ความเข้ากันได้ทางชีวภาพ และคำถามเกี่ยวกับขั้นตอนระเบียบข้อบังคับ — แต่รากฐานทางกลไกได้รับการสร้างขึ้นแล้ว
8.3 Dietary Modulation
การบริโภคโปรตีนจากอาหารช่วยปรับเมแทบอลิซึมของ digoxin ผ่านการยับยั้งการถอดรหัส cgr ของ E. lenta โดย arginine การบริโภค tyrosine จะแย่งชิงกับ L-dopa สำหรับแบคทีเรีย TyrDC องค์ประกอบของอาหารช่วยกำหนดปริมาณของผู้ผลิต equol ในช่วงเวลาหลายเดือน สิ่งเหล่านี้เป็นตัวแปรที่สามารถปรับเปลี่ยนได้และเข้าถึงได้ผ่านการแทรกแซงทางคลินิกโดยไม่ต้องใช้ยา และควรนำไปรวมไว้ในการให้คำปรึกษาสำหรับผู้ป่วยที่ได้รับ digoxin และ L-dopa โดยเฉพาะ
8.4 Fecal Microbiota Transplantation
การปลูกถ่ายจุลินทรีย์ในอุจจาระ (FMT) ได้รับการศึกษาวิจัยทั้งในฐานะกลยุทธ์เพื่อปรับการตอบสนองต่อยาให้เหมาะสมและเป็นการรักษาในตัวมันเอง ในการรักษาด้วยภูมิคุ้มกันบำบัดมะเร็ง ขณะนี้ได้รับการยืนยันแล้วว่าองค์ประกอบของไมโครไบโอมของผู้รับเป็นปัจจัยตัดสินการตอบสนองต่อ immune checkpoint blockade และการทำ FMT จากผู้ที่ตอบสนองไปยังผู้ที่ไม่ตอบสนองกำลังอยู่ภายใต้การวิจัยทางคลินิกอย่างจริงจัง [^1] ในบริบทของ L-dopa การทำ FMT ที่จับคู่ผู้บริจาคในแบบจำลองพาร์กินสันแสดงให้เห็นถึงการถ่ายโอนฟีโนไทป์ทางเภสัชวิทยาที่เป็นเหตุเป็นผล การประยุกต์ใช้ FMT ทางคลินิกเพื่อเพิ่มประสิทธิภาพของยาไปยังยังอยู่ในขั้นตอนการศึกษาวิจัย แต่เหตุผลเชิงกลไกนั้นมีหลักฐานสนับสนุนอย่างดี
9. Conclusion
Pharmacogenomics สอนให้แพทย์ตั้งคำถามว่า: จีโนมของผู้ป่วยพยากรณ์อะไรเกี่ยวกับการตอบสนองต่อยา? ขณะนี้ Pharmacomicrobiomics ได้เพิ่มคำถามที่สำคัญไม่แพ้กัน: ไมโครไบโอมของผู้ป่วยพยากรณ์อะไร? คำถามทั้งสองเป็นส่วนเสริมซึ่งกันและกันและไม่ใช่เรื่องซ้ำซ้อน เนื่องจากความสามารถทางเภสัชวิทยาของจุลินทรีย์เป็นอิสระจากจีโนมิกส์ของโฮสต์ และขึ้นอยู่กับปัจจัยปรับเปลี่ยนที่แตกต่างกัน รวมถึงประวัติการใช้ยาปฏิชีวนะ, อาหาร, ความแปรปรวนของไมโครไบโอมตามภูมิศาสตร์ และโรคประจำตัว
ความจำเพาะระดับโมเลกุลที่บรรลุผลได้ในสาขานี้ — ตั้งแต่การที่ cgr operon กำหนดการยับยั้งฤทธิ์ digoxin เพียงเบสเดียว, ไปจนถึงจำนวนยีน tyrDC ที่อธิบายความหลากหลายของขนาดยา levodopa, ไปจนถึง metabotype สามแบบที่ตัดสินว่า ellagic acid ในอาหารจะเข้าสู่กระแสเลือดในฐานะ urolithin A ที่ออกฤทธิ์ทางชีวภาพหรือไม่ — หมายความว่า pharmacomicrobiomics ไม่ใช่ความกังวลเชิงทฤษฎีอีกต่อไป แต่เป็นชุดของตัวบ่งชี้ทางชีวภาพและเป้าหมายการแทรกแซงที่สามารถนำไปปฏิบัติได้จริง
สำหรับผู้ปฏิบัติงานทางคลินิก ข้อสรุปที่สามารถนำไปปฏิบัติได้ขั้นต่ำจากการทบทวนนี้คือ: ความแปรปรวนที่อธิบายไม่ได้ในประสิทธิภาพของ digoxin ในผู้ป่วยที่มีรูปแบบการรับประทานอาหารที่ทราบแน่ชัด ควรพิจารณาสถานะ cgr ของ E. lenta; ผู้ป่วยพาร์กินสันที่มีความผันผวนของการเคลื่อนไหวที่อธิบายไม่ได้จากขนาดยาหรือรูปแบบยาควรได้รับการประเมินเมแทบอลิซึมของ L-dopa โดยจุลินทรีย์; ผู้ที่ไม่ตอบสนองต่อ metformin อาจมีประชากร A. muciniphila ที่ไม่เหมาะสม ซึ่งการแทรกแซงทางอาหารหรือโปรไบโอติกสามารถช่วยแก้ไขได้; คำแนะนำเกี่ยวกับสารอาหารบำบัดจากแหล่ง ellagic acid หรือ isoflavone ควรคำนึงถึงสถานะ metabotype และผู้ผลิต equol ของผู้ป่วย; และการสั่งจ่ายโปรไบโอติก Lactobacillus แบบอัตโนมัติในระหว่างเคมีบำบัดด้วย irinotecan จำเป็นต้องได้รับการตรวจสอบใหม่ในแง่ของข้อมูล Lactobacillus reuteri ที่แสดงออก GUS
การเปลี่ยนผ่านจากแบบจำลองเมแทบอลิซึมของยาที่เน้นตับไปสู่แบบจำลองทางเดินอาหารทั้งหมด — ซึ่งครอบคลุมถึงชั้นเภสัชวิทยาของจุลินทรีย์ในฐานะตัวกำหนดผลลัพธ์ทางคลินิกที่สำคัญ — ไม่ใช่เรื่องในอนาคต มันคือความเป็นจริงในปัจจุบันของเภสัชวิทยาแม่นยำ และการบูรณาการเข้าสู่ทางคลินิกนั้นล่าช้าเกินไปแล้ว
Acknowledgements
ผู้เขียนประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์ ไม่ได้รับเงินทุนจากภายนอกสำหรับการจัดเตรียมต้นฉบับนี้
1. Ebadpour N, Abavisani M, Sahebkar A. Microbiome-driven precision medicine: advancing drug development with pharmacomicrobiomics. J Drug Target. 2025. doi:10.1080/1061186X.2025.2509283 [^1]
2. Dobkin JF, Saha JR, Butler VP Jr, et al. Inactivation of digoxin by Eubacterium lentum, an anaerobe of the human gut flora. Trans Assoc Am Physicians. 1982. [^2]
3. Maini Rekdal V, Bess EN, Bisanz JE, et al. Discovery and inhibition of an interspecies gut bacterial pathway for levodopa metabolism. Science. 2019;364(6445):eaau6323. [^3]
4. Haiser HJ, Gootenberg DB, Chatman K, et al. Predicting and manipulating cardiac drug inactivation by the human gut bacterium Eggerthella lenta. Science. 2013;341:295–298. [^4]
5. He F, Bian Y, Zhao Y, et al. In vitro conversion of ellagic acid to urolithin A by different gut microbiota of urolithin metabotype A. Appl Microbiol Biotechnol. 2024.
6. Shin NR, Lee JC, Lee HY, et al. An increase in the Akkermansia spp. population induced by metformin treatment improves glucose homeostasis in diet-induced obese mice. Gut. 2014;63:727–735. [^5]
7. Zhao Q, Chen Y, Huang W, et al. Drug-microbiota interactions: an emerging priority for precision medicine. Signal Transduct Target Ther. 2023;8:386. [^6]
8. Dikeocha IJ, Al-Kabsi AM, Miftahussurur M, Alshawsh MA. Pharmacomicrobiomics: influence of gut microbiota on drug and xenobiotic metabolism. FASEB J. 2022. [^7]
9. Enright EF, Gahan CG, Joyce SA, Griffin BT. The impact of the gut microbiota on drug metabolism and clinical outcome. Yale J Biol Med. 2016;89:375–382. [^8]
10. van Kessel SP, Frye AK, El-Gendy AO, et al. Gut bacterial tyrosine decarboxylases restrict levels of levodopa in the treatment of Parkinson's disease. Nat Commun. 2019;10:310. [^11]
11. Robertson L, Chandrasekaran A, Reuning RH, et al. Reduction of digoxin to 20R-dihydrodigoxin by cultures of Eubacterium lentum. Appl Environ Microbiol. 1986;51:1300–1303. [^9]
12. Koppel N, Bisanz JE, Pandelia ME, et al. Discovery and characterization of a prevalent human gut bacterial enzyme sufficient for the inactivation of a family of plant toxins. eLife. 2018;7:e33953. [^2]
13. Ganamurali N, Sabarathinam S. Microbial modulation of digoxin bioavailability: a pharmacomicrobiome perspective on Eggerthella lenta's role. J Steroid Biochem Mol Biol. 2025. [^10]
14. Ash C. The dope on L-dopa metabolism. Science. 2019;364:1043. [^30]
15. Ai P, Xu SQ, Yuan Y, et al. Targeted gut microbiota modulation enhances levodopa bioavailability and motor recovery in MPTP Parkinson's disease models. Int J Mol Sci. 2025;26:5282.
16. Haiser HJ, Seim KL, Balskus EP, Turnbaugh PJ. Mechanistic insight into digoxin inactivation by Eggerthella lenta augments our understanding of its pharmacokinetics. Gut Microbes. 2014;5:233–238.
17. de la Cuesta-Zuluaga J, Mueller NT, Corrales-Agudelo V, et al. Metformin is associated with higher relative abundance of mucin-degrading Akkermansia muciniphila and several SCFA-producing microbiota in the gut. Diabetes Care. 2017;40:54–62. [^13]
18. Wu H, Esteve E, Tremaroli V, et al. Metformin alters the gut microbiome of individuals with treatment-naive type 2 diabetes, contributing to the therapeutic effects of the drug. Nat Med. 2017;23:850–858. [Cited via: McLean MH. GI highlights. Gut. 2017.] [^14]
19. Rodriguez J, Hiel S, Delzenne NM. Metformin: old friend, new ways of action – implication of the gut microbiome? Curr Opin Clin Nutr Metab Care. 2018;21:294–301. [^15]
20. Rajpurohit YS. Dual-edged health benefit of Akkermansia muciniphila: impact on metformin and insulin resistance in type 2 diabetes. Curr Top Diabetes. 2025.
21. Zhang M, Cui S, Mao B, et al. Ellagic acid and intestinal microflora metabolite urolithin A: a review on sources, metabolic distribution, health benefits, and biotransformation. Crit Rev Food Sci Nutr. 2022;63:6900–6922. [^17]
22. Leng P, Wang Y, Xie M. Ellagic acid and gut microbiota: interactions and implications for health. Food Sci Nutr. 2025. [^18]
23. Ortiz C, Manta B. Advances in equol production: sustainable strategies for unlocking soy isoflavone benefits. Results Chem. 2024. [^19]
24. Mayo B, Vázquez L, Flórez AB. Equol: a bacterial metabolite from the daidzein isoflavone and its presumed beneficial health effects. Nutrients. 2019;11:2231. [^20]
25. Lampe JW. Is equol the key to the efficacy of soy foods? Am J Clin Nutr. 2009;89(suppl):1664S–1667S. [^31]
26. Yue B, Gao R, Wang Z, Dou W. Microbiota-host-irinotecan axis: a new insight toward irinotecan chemotherapy. Front Cell Infect Microbiol. 2021;11:710945. [^23]
27. Takasuna K, Hagiwara T, Hirohashi M, et al. Inhibition of intestinal microflora β-glucuronidase modifies the distribution of the active metabolite of irinotecan (CPT-11) in rats. Cancer Chemother Pharmacol. 1998;42:280–286. [^24]
28. Bhatt AP, Pellock SJ, Biernat KA, et al. Targeted inhibition of gut bacterial β-glucuronidase activity enhances anticancer drug efficacy. Proc Natl Acad Sci USA. 2020;117:7374–7381.
29. Hou Y, Wu H, Zhang Z, et al. Bacteroides intestinalis mediates the sensitivity to irinotecan toxicity via tryptophan catabolites. Gut. 2025. [^25]
30. Yue B, Gao R, Zhao L, et al. β-Glucuronidase-expressing Lactobacillus reuteri triggers irinotecan enterotoxicity through depleting the regenerative epithelial stem/progenitor pool. Adv Sci. 2025. [^26]
31. Klaassen CD, Cui JY. Review: mechanisms of how the intestinal microbiota alters the effects of drugs and bile acids. Drug Metab Dispos. 2015;43:1505–1521. [^27]
32. Fiorucci S, Distrutti E. Bile acid-activated receptors, intestinal microbiota, and the treatment of metabolic disorders. Trends Mol Med. 2015;21:702–714.
33. Joyce SA, Gahan CG. Bile acid modifications at the microbe-host interface: potential for nutraceutical and pharmaceutical interventions in host health. Annu Rev Food Sci Technol. 2016;7:313–333. [^28]
34. Malhi H, Camilleri M. Modulating bile acid pathways and TGR5 receptors for treating liver and GI diseases. Curr Opin Pharmacol. 2017;37:11–15. [^29]
35. Bolte L, Björk J, Gacesa R, Weersma R. Pharmacomicrobiomics: the role of the gut microbiome in immunomodulation and cancer therapy. Gastroenterology. 2025. [^1]
[^1]: Ebadpour et al., 2025. Microbiome-driven precision medicine: advancing drug development with pharmacomicrobiomics. Journal of drug targeting (Print).
[^2]: Jf et al., 1982. Inactivation of digoxin by Eubacterium lentum, an anaerobe of the human gut flora. Transactions of the Association of American Physicians.
[^3]: Ash, 2019. The dope on L-dopa metabolism. Science.
[^4]: Haiser et al., 2013. Predicting and Manipulating Cardiac Drug Inactivation by the Human Gut Bacterium Eggerthella lenta. Science.
[^5]: Shin et al., 2013. An increase in the Akkermansia spp. population induced by metformin treatment improves glucose homeostasis in diet-induced obese mice. Gut.
[^6]: Zhao et al., 2023. Drug-microbiota interactions: an emerging priority for precision medicine. Signal Transduction and Targeted Therapy.
[^7]: Dikeocha et al., 2022. Pharmacomicrobiomics: Influence of gut microbiota on drug and xenobiotic metabolism. The FASEB Journal.
[^8]: Enright et al., 2016. The Impact of the Gut Microbiota on Drug Metabolism and Clinical Outcome. The Yale Journal of Biology and Medicine.
[^9]: Koppel, 2018. Characterization of a widely distributed cardiac drug-inactivating enzyme from the human gut bacterium Eggerthella lenta.
[^10]: Ganamurali & Sabarathinam, 2025. Digoxin-Induced Gut Dysbiosis: Mechanistic Links to Prostaglandin Dysregulation and Lipid Metabolic Imbalance. Prostaglandins & other lipid mediators.
[^11]: Kessel et al., 2019. Gut bacterial tyrosine decarboxylases restrict levels of levodopa in the treatment of Parkinson’s disease. Nature Communications.
[^12]: Ai et al., 2025. Targeted Gut Microbiota Modulation Enhances Levodopa Bioavailability and Motor Recovery in MPTP Parkinson’s Disease Models. International Journal of Molecular Sciences.
[^13]: McLean, 2017. GI highlights from the literature. Gut.
[^14]: Rodriguez et al., 2018. Metformin: old friend, new ways of action–implication of the gut microbiome?. Current opinion in clinical nutrition and metabolic care.
[^15]: Rajpurohit, 2025. Dual-edged health benefit of Akkermansia muciniphila: impact on metformin and insulin resistance in type 2 diabetes – a perspective. Current Topics in Diabetes.
[^16]: Zhang et al., 2022. Ellagic acid and intestinal microflora metabolite urolithin A: A review on its sources, metabolic distribution, health benefits, and biotransformation. Critical reviews in food science and nutrition.
[^17]: Leng et al., 2025. Ellagic Acid and Gut Microbiota: Interactions, and Implications for Health. Food Science & Nutrition.
[^18]: Ortíz & Manta, 2024. Advances in Equol Production: Sustainable Strategies for Unlocking Soy Isoflavone Benefits. Results in Chemistry.
[^19]: Mayo et al., 2019. Equol: A Bacterial Metabolite from The Daidzein Isoflavone and Its Presumed Beneficial Health Effects. Nutrients.
[^20]: Sánchez-Calvo et al., 2013. Soy isoflavones and their relationship with microflora: beneficial effects on human health in equol producers. Phytochemistry Reviews.
[^21]: Mahdy et al., 2023. Irinotecan-gut microbiota interactions and the capability of probiotics to mitigate Irinotecan-associated toxicity. BMC Microbiology.
[^22]: Yue et al., 2021. Microbiota-Host-Irinotecan Axis: A New Insight Toward Irinotecan Chemotherapy. Frontiers in Cellular and Infection Microbiology.
[^23]: Takasuna et al., 1998. Inhibition of intestinal microflora β-glucuronidase modifies the distribution of the active metabolite of the antitumor agent, irinotecan hydrochloride (CPT-11) in rats. Cancer Chemotherapy and Pharmacology.
[^24]: Bhatt et al., 2020. Targeted inhibition of gut bacterial β-glucuronidase activity enhances anticancer drug efficacy. Proceedings of the National Academy of Sciences of the United States of America.
[^25]: Yue et al., 2025. β‐Glucuronidase‐Expressing Lactobacillus reuteri Triggers Irinotecan Enterotoxicity Through Depleting the Regenerative Epithelial Stem/Progenitor Pool. Advancement of science.
[^26]: Klaassen & Cui, 2015. Review: Mechanisms of How the Intestinal Microbiota Alters the Effects of Drugs and Bile Acids. Drug Metabolism And Disposition.
[^27]: Joyce & Gahan, 2016. Bile Acid Modifications at the Microbe-Host Interface: Potential for Nutraceutical and Pharmaceutical Interventions in Host Health. Annual Review of Food Science and Technology.
[^28]: Malhi & Camilleri, 2017. Modulating bile acid pathways and TGR5 receptors for treating liver and GI diseases. Current opinion in pharmacology (Print).
[^29]: Bolte et al., 2025. Pharmacomicrobiomics: The role of the gut microbiome in immunomodulation and cancer therapy. Gastroenterology.
[^30]: Rekdal et al., 2019. Discovery and inhibition of an interspecies gut bacterial pathway for Levodopa metabolism. Science.
[^31]: Lampe, 2009. Is equol the key to the efficacy of soy foods?. American Journal of Clinical Nutrition.
