Forskere fra Drexel University håber at kunne hjælpe med at besvare dette spørgsmål gennem en smart kombination af høj gennemløb genetisk sekventering og computeralgoritmer med naturligt sprog. Deres forskning, som for nylig blev offentliggjort i tidsskriftet PLOS ONE , rapporterer en ny metode til analyse af de koder, der findes i RNA, der kan afgrænse menneskelige mikrobielle samfund og afsløre, hvordan de fungerer.
Meget af forskningen om det menneskelige mikrobielle miljø - eller mikrobiom - har fokuseret på at identificere alle de forskellige mikrobearter. Og den begyndende udvikling af behandlinger for mikrobiota-forbundet sygdomme fungerer under den tanke, at ubalancer eller afvigelser i mikrobiomet er kilden til sundhedsproblemer, såsom fordøjelsesbesvær eller Crohns sygdom.
Men for korrekt at rette op på disse ubalancer er det vigtigt for forskere at have en bredere forståelse af mikrobielle samfund, som de findes - både i de ramte områder og i hele kroppen.
Vi er virkelig lige begyndt at skrabe overfladen af forståelsen af mikrobiotas sundhedsvirkninger. På mange måder er forskere hoppet ind i dette arbejde uden at have et fuldstændigt billede af, hvordan disse mikrobielle samfund ser ud, hvor udbredt de er, og hvordan deres interne konfiguration påvirker deres umiddelbare miljø i menneskekroppen. "
Gail Rosen, Ph.d., lektor i Drexel's College of Engineering, forfatter til papiret
Rosen leder Drexels Center for Biologisk Opdagelse fra Big Data, en gruppe forskere, der har anvendt algoritmer og maskinlæring for at hjælpe med at tyde enorme mængder genetisk sekventeringsinformation, der er blevet tilgængelig i de sidste håndfuld år. Deres arbejde og lignende indsats rundt om i verden har flyttet mikrobiologi og genetisk forskning fra vådlaboratoriet til datacenteret - skabt en beregningsmæssig tilgang til at studere organismernes interaktioner og evolution, kaldet metagenomics.
I denne type forskning, en scanning af en genetisk materialeprøve - DNA eller RNA - kan tolkes for at afsløre de organismer, der sandsynligvis er til stede. Metoden præsenteret af Rosen gruppe tager det et skridt længere ved at analysere den genetiske kode for at få øje på tilbagevendende mønstre, en indikation på, at bestemte grupper af organismer - mikrober i dette tilfælde - findes sammen så ofte, at det ikke er tilfældigt.
"Vi kalder denne metode for 'themetagenomics, 'fordi vi leder efter tilbagevendende temaer i mikrobiomer, der er indikatorer for samtidig forekommende grupper af mikrober, "Rosen sagde." Der er tusinder af arter af mikrober, der lever i kroppen, Så hvis du tænker på alle de permutationer af grupperinger, der kunne eksistere, kan du forestille dig, hvilken skræmmende opgave det er at afgøre, hvem af dem der lever i fællesskab med hinanden. Vores metode sætter en mønster-spotting algoritme til at arbejde med opgaven, hvilket sparer en enorm mængde tid og eliminerer nogle gæt. "
Nuværende metoder til undersøgelse af mikrobiota, tarmbakterier f.eks. tage en prøve fra et område af kroppen og derefter se på det genetiske materiale, der er til stede. Denne proces mangler i sagens natur vigtig kontekst, ifølge forfatterne.
"Det er umuligt at virkelig forstå, hvad mikrobesamfund gør, hvis vi ikke først forstår omfanget af samfundet, og hvor ofte og hvor de ellers kan forekomme i kroppen, "sagde Steve Woloszynek, Ph.d., og MD-praktikant i Drexel's College of Medicine og medforfatter af papiret. "Med andre ord, det er svært at udvikle behandlinger til fremme af naturlig mikrobiel sameksistens, hvis deres 'naturlige tilstand' endnu ikke er kendt. "
Opnåelse af et komplet kort over mikrobielle samfund, ved hjælp af temagenomik, giver forskere mulighed for at observere, hvordan de ændrer sig over tid - både hos raske mennesker og dem, der lider af sygdomme. Og at observere forskellen mellem de to giver spor til fællesskabets funktion, samt belyse konfigurationen af mikrobearter, der muliggør det.
"De fleste metagenomiske metoder fortæller dig bare, hvilke mikrober der er rigelige - derfor sandsynligvis vigtige - men de fortæller dig ikke ret meget om, hvordan hver art understøtter andre samfundsmedlemmer, "Rosen sagde." Med vores metode får du et billede af konfigurationen af fællesskabet - f.eks. den kan have E. coli og B. fragilis som de mest forekommende mikrober og i temmelig lige tal - hvilket kan indikere, at de krydser hinanden. Et andet samfund kan have B. fragilis som den mest udbredte mikrobe, med mange andre mikrober ens, men lavere, tal - hvilket kan indikere, at de fodrer med, hvad B. fragilis laver, uden samarbejde. "
Et af de ultimative mål med at analysere menneskelig mikrobiota er at bruge tilstedeværelsen af visse mikrobesamfund som indikatorer til at identificere sygdomme som Crohns eller endda bestemte kræftformer. For at teste deres nye metode, Drexel -forskerne satte det op mod lignende emne modelleringsprocedurer, der diagnosticerer Crohns og mundkræft ved at måle den relative overflod af visse genetiske sekvenser.
Temaagenomikmetoden viste sig at være lige så præcis at forudsige sygdommene, men det gør det meget hurtigere end de andre emnemodelleringsmetoder - minutter versus dage - og det driller også ud, hvordan hver mikrobe -art i indikatorsamfundet kan bidrage til sygdommens sværhedsgrad. Med dette niveau af granularitet, forskere vil være i stand til at huske på bestemte genetiske grupperinger, når de udvikler målrettede behandlinger.
Gruppen har gjort sine temagenomiske analyseværktøjer offentligt tilgængelige i håb om at fremskynde fremskridt mod helbredelser og behandlinger for disse sygdomme.
"Det er meget tidligt lige nu, men jo mere vi forstår om, hvordan mikrobiomet fungerer - selv bare ved at grupper kan handle sammen - så kan vi undersøge disse gruppers metaboliske veje og gribe ind eller kontrollere dem, og dermed baner vejen for lægemiddeludvikling og terapiforskning, "Sagde Rosen.