Ny beregningsmodelleringsmetode forudsiger, hvordan tarmmikrober ændrer sig over tid

En ny beregningsmodelleringsmetode bruger snapshots af, hvilke typer mikrober der findes i en persons tarm til at forudsige, hvordan det mikrobielle samfund vil ændre sig over tid. Værktøjet, udviklet af Liat Shenhav, Leah Briscoe og Mike Thompson fra Halperin lab, University of California Los Angeles, og kolleger på Mizrahi-laboratoriet ved Ben-Gurion University, Israel, er præsenteret i PLOS Computational Biology .

Kredit:sbtlneet/Pixabay, CC0

Typer og relative mængder af mikrober, der findes i en persons tarm, kan afspejle og påvirke deres helbredstilstand. At vide, hvordan denne mikrobielle samfundsammensætning ændrer sig over tid, kan give vigtig indsigt i sundhed og sygdom. Imidlertid, det er uklart i hvilken grad den mikrobielle samfundsammensætning af en persons tarm på et givet tidspunkt bestemmer dens fremtidige sammensætning.

For at løse dette spørgsmål, Shenhav og kollegaer udviklede Microbial community Temporal Variability Linear Mixed Model (MTV-LMM), en ny metode til modellering af tidsmæssige ændringer i tarmens mikrobielle sammensætning. Når de testes mod virkelige data, det nye værktøj giver mere præcise forudsigelser end andre modeller, der tidligere er udviklet til samme formål.

Forskerne brugte derefter MTV-LMM til at frembringe ny indsigt i mikrobiomedynamik. For eksempel, de demonstrerede, at hos både spædbørn og voksne, tarmmikrobiom samfundssammensætning kan faktisk forudsiges præcist baseret på tidligere observationer af samfundet. De anvendte også modellen på data fra 39 spædbørn og afslørede et vigtigt skift omkring 9 måneders alder i, hvordan tarmmikrobiomet ændrer sig over tid.

Ser frem til, MTV-LMM kunne anvendes til at undersøge tarmdynamikken i tarmmikrobiomet i forbindelse med sygdom, hvilket kan føre til forbedret diagnose og behandling. Det kan også være nyttigt til at forstå andre former for tidsmæssige mikrobiomprocesser, såsom dem, der forekommer under fordøjelsen.

Vores tilgang giver flere metodologiske fremskridt, men dette er stadig kun toppen af ​​isbjerget. ”

Liat Shenhav, fra Halperin lab, University of California Los Angeles

I fremtiden, hun og hendes kolleger vil arbejde på at forbedre modelens forudsigelsesnøjagtighed yderligere og undersøge yderligere applikationer. "Modellering af mikrobiomets tidsmæssige adfærd er et grundlæggende videnskabeligt spørgsmål, med potentielle anvendelser inden for medicin og videre. ”

• Ny strategi kan styrke tarm-hjerne-kommunikation
• Forskere har sandsynligvis fundet måde at dyrke nyt tandvæv til patienter