Food additive exposure associated with reduction in gut microbiota diversity

Resumen Técnico: La exposición a aditivos alimentarios se asocia con la reducción de la diversidad de la microbiota intestinal

Planteamiento del problema
Si bien el consumo de alimentos ultraprocesados (UPF, por sus siglas en inglés) está aumentando globalmente y está vinculado a la inflamación y la disfunción metabólica, el impacto específico de los aditivos alimentarios individuales en la microbiota intestinal humana aún se comprende poco. Los estudios epidemiológicos existentes suelen depender de clasificaciones NOVA amplias o cuestionarios de frecuencia de alimentos (FFQ) que carecen de resolución a nivel de ingredientes, lo que dificulta distinguir los efectos de aditivos específicos de la matriz general de los alimentos procesados. Además, los aditivos rara vez ocurren de forma aislada; sus patrones de coocurrencia y sus efectos combinados sobre los ecosistemas microbianos intestinales en poblaciones humanas en entornos libres no han sido probados sistemáticamente.

Metodología
El estudio aprovechó los datos de la cohorte digital "Food & You", un estudio prospectivo de aproximadamente 1,000 adultos sanos en Suiza. Los participantes registraron su ingesta dietética durante 2 a 4 semanas utilizando la aplicación para smartphones MyFoodRepo, la cual utilizó escaneo de códigos de barras, reconocimiento de fotos y entrada manual.

• Procesamiento de datos: Los investigadores vincularon 12,110 artículos únicos con código de barras a la base de datos OpenFoodFacts para identificar 257 aditivos alimentarios distintos (códigos E). La exposición a los aditivos se cuantificó como el recuento diario de códigos E distintos consumidos por participante.
• Análisis del microbioma: Se secuenció una única muestra de heces por participante para el gen 16S rRNA (región V4). Tras la rarefacción a 15,000 lecturas, se retuvieron 992 muestras para el análisis. Se calcularon la diversidad alfa (índice de Shannon) y la diversidad beta (UniFrac no ponderado).
• Modelado estadístico:
  • Mezclas de aditivos: Se empleó la factorización de matrices no negativas (NMF) para identificar patrones naturales de coocurrencia de aditivos, revelando tres mezclas distintas.
  • Análisis de regresión: Se utilizaron modelos de regresión lineal multivariante (OLS con errores estándar consistentes con heterocedasticidad y modelos de pérdida robusta de Huber) para evaluar las asociaciones entre la exposición a aditivos y la diversidad de Shannon, ajustando por demografía, calidad de la dieta (HEI), IMC, frecuencia de evacuación intestinal y factores de estilo de vida.
  • Efectos de interacción: Los modelos probaron interacciones entre componentes dietéticos protectores (vegetales, frutas) y la exposición a aditivos para determinar si los aditivos atenúan los beneficios para el microbioma.
  • Perfil taxonómico y funcional: El análisis de abundancia diferencial se realizó mediante BIRDMAn para construir métricas de log-ratio microbiano. Las vías funcionales predichas se infirieron mediante PICRUSt2 y se analizaron mediante MaAsLin2.
  • Aprendizaje automático (Machine Learning): Se entrenaron clasificadores y regresores XGBoost para predecir patrones dietéticos (ingesta baja vs. alta) a partir de la composición microbiana, comparando métricas de base contra métricas compuestas que contrastan alimentos saludables con aditivos.

Contribuciones clave

1. Mapeo de exposición de alta resolución: El estudio fue más allá de las categorías de alimentos amplias para cuantificar la exposición específica a aditivos (257 aditivos distintos) en un entorno real, identificando que los reguladores de pH y los emulsionantes dominan los perfiles de exposición.
2. Identificación de mezclas de aditivos: Utilizando NMF, los autores caracterizaron tres patrones de coocurrencia de aditivos distintos: (1) Emulsionantes + reguladores de pH, (2) Edulcorantes + colorantes + reguladores de pH, y (3) Edulcorantes + agentes de glaseado + poliolos de azúcar.
3. Métricas compuestas: El artículo introduce métricas "menos" (por ejemplo, Vegetales-menos-Aditivos) para modelar explícitamente el equilibrio entre los componentes dietéticos protectores y las cargas de aditivos, demostando que estos contrastes producen asociaciones más fuertes con la salud del microbioma que las variables aisladas.
4. Perspectivas mecánicas: El estudio vincula la exposición a aditivos específicos con el agotamiento de taxones comensales asociados a la fibra y el enriquecimiento de vías involucradas en el metabolismo de compuestos aromáticos y de poliolos.

Resultados clave

• Reducción de la diversidad: Una mayor exposición a una combinación de edulcorantes de alta intensidad y poliolos de azúcar (Mezcla 3) se asoció de forma independiente con una reducción de la diversidad de Shannon del microbioma intestinal ($\beta = -0.39, p < 0.001$), incluso tras ajustar por calidad de la dieta, IMC y demografía. La exposición total a aditivos y el consumo de comida rápida también se asociaron negativamente con la diversidad.
• Atenuación de los efectos protectores: Se encontró una interacción negativa significativa entre la ingesta de vegetales y la exposición total a aditivos. La alta ingesta de aditivos específicamente atenuó la asociación positiva entre el consumo de vegetales y la diversidad microbiana. Este efecto no se observó para la ingesta de frutas.
• Firmas microbianas: Las firmas de log-ratio microbiano vinculadas a la exposición a aditivos (particularmente emulsionantes/espesantes y preservantes/antioxidantes) mostraron fuertes correlaciones negativas con la diversidad de Shannon ($r = -0.66$ y $r = -0.56$, respectivamente).
• Cambios taxonómicos: La exposición a aditivos se asoció con el agotamiento de taxones comensales centrales (p. ej., Lachnospiraceae, Coprococcus, Eubacterium) y el enriquecimiento de taxones facultativos o oportunistas (p. ej., Ruminococcus_B, Veillonella_A).
• Cambios funcionales: La exposición a edulcorantes y agentes de glaseado se vinculó con el enriquecimiento de vías para el catabolismo de poliolos de azúcar (p. ej., degradación de hexitol) y la degradación de compuestos aromáticos, mientras que agotó las vías para la biosíntesis central y la producción de osmoprotectores (p. ej., ectoína).
• Poder predictivo: Los modelos de aprendizaje automático mostraron que integrar métricas de aditivos o de comida rápida con componentes dietéticos saludables mejoró significamente la capacidad de la microbiota intestinal para predecir patrones dietéticos (p. ej., el AUROC para Vegetales-menos-ComidaRápida aumentó a 0.84 en comparación con 0.76 para vegetales solos).

Significancia y afirmaciones
Los autores afirman que sus hallazgos subrayan la sensibilidad de la diversidad de la microbiota intestinal ante una exposición limitada de aditivos, señalando que los alimentos envasados representaron solo ~15% de la ingesta dietética registrada en el estudio. Argumentan que, sin integrar métricas de aditivos y de alimentos procesados, un fenómeno de gran tamaño de efecto en la diversidad de la microbiota intestinal humana permanecería sin detectar.

El estudio sugiere que la exposición a aditivos actúa como un impulsor independiente de la disbiosis, capaz de contrarrestar los beneficios para el microbioma de las dietas ricas en vegetales. Los autores postulan que las futuras guías dietéticas y estrategias de salud pública deberían considerar la reducción de aditivos junto con la promoción de alimentos integrales. Destacan que el microbioma refleja el balance neto de las exposiciones dietéticas en lugar de los componentes individuales de forma aislada, y que la resolución a nivel de aditivos captura la variación dentro del consumo de UPF que las categorías amplias de NOVA pasan por alto. El artículo concluye que estos hallazgos proporcionan un marco para una ciencia de la nutrición más matizada e informada por el microbioma, aunque reconoce la necesidad de estudios longitudinales para establecer la causalidad.