Mikrobiom kann das chronologische Alter einer Person vorhersagen

Unsere Mikrobiome - die komplexen Gemeinschaften von Mikroben, die in an und um uns herum - werden durch unsere Ernährung beeinflusst, Gewohnheiten, Umwelt und Gene, und verändern sich bekanntlich mit dem Alter. Im Gegenzug, die Zusammensetzung unseres Mikrobioms, besonders im Darm, ist bekannt für seinen Einfluss auf unsere Gesundheit. Zum Beispiel, Die Zusammensetzung des Darmmikrobioms wurde mit entzündlichen Darmerkrankungen in Verbindung gebracht, Autoimmunerkrankung, Fettleibigkeit, auch neurologische Störungen, wie zum Beispiel Autismus.

Eine Mikrobiomprobe (Haut, Mund oder Kotabstrich), Forscher haben gezeigt, dass sie jetzt maschinelles Lernen verwenden können, um das chronologische Alter einer Person vorherzusagen. mit unterschiedlicher Genauigkeit. Hautproben lieferten die genaueste Vorhersage, innerhalb von ca. 3,8 Jahren richtig schätzen, im Vergleich zu 4,5 Jahren bei einer oralen Probe und 11,5 Jahren bei einer Stuhlprobe. Die Arten von Mikroben, die in der Mundhöhle oder im Darm von jungen Menschen (18 bis 30 Jahre alt) leben, waren tendenziell vielfältiger und häufiger als in vergleichbaren Mikrobiomen älterer Erwachsener (60 Jahre und älter).

Das prädiktive Werkzeug, beschrieben in einem am 11. Februar veröffentlichten Papier 2020 von mSystems , wurde als Zusammenarbeit zwischen Forschern der University of California San Diego und IBM entwickelt.

„Diese neue Fähigkeit, Mikroben mit dem Alter zu korrelieren, wird uns dabei helfen, zukünftige Studien über die Rolle von Mikroben beim Alterungsprozess und altersbedingten Krankheiten voranzutreiben. und ermöglichen es uns, potenzielle therapeutische Interventionen, die auf Mikrobiome abzielen, besser zu testen, ", sagte Co-Senior-Autor Zhenjiang Zech Xu, Doktortitel, der zum Zeitpunkt der Studie Postdoktorand im Labor der UC San Diego School of Medicine von Co-Senior-Autor Rob Knight war, Doktortitel, Professor und Direktor des UC San Diego Center for Microbiome Innovation.

Das ultimative Ziel des Teams ist es, ähnliche Modelle für maschinelles Lernen zu entwickeln, um Mikrobiom und klinische Bedingungen zu korrelieren. wie Entzündungen bei Autoimmunerkrankungen. Dieser Ansatz könnte eines Tages die Grundlage für einen nichtinvasiven mikrobiombasierten Test bilden, der Ärzten möglicherweise dabei hilft, das Krankheitsrisiko einer Person besser zu diagnostizieren oder einzuschätzen.

In einer Studie aus dem Jahr 2014 Forscher der Washington University verglichen das "mikrobielle Alter" -; Alter, wie durch das fäkale Mikrobiom vorhergesagt -; und tatsächliches chronologisches Alter im Zusammenhang mit unterernährten Säuglingen in den ersten Lebensmonaten. Die Forscher stellten fest, dass der Unterschied zwischen chronologischem und mikrobiellem Alter mit dem Grad der Entwicklungsreife der Kinder zusammenhängt. In der neuen Studie Forscher der UC San Diego gingen mit dieser Idee noch einen Schritt weiter, um zu sehen, ob diese Assoziation für Erwachsene gelten könnte. und wie gut es auf andere Körperstellen verallgemeinert wurde.

Laut Xu, Eine der wichtigsten Voraussetzungen für ein gutes statistisches Modell ist eine große Stichprobengröße und eine repräsentative Grundgesamtheit. Das zu tun, die Forscher haben Mikrobiom-Sequenzierungsdaten aus den öffentlichen Datenbanken mehrerer Citizen-Science-Projekte gewonnen, wie das American Gut Project, in denen die Teilnehmer Fäkalien einschicken, Speichel- oder Hautabstriche, erhalten ihre personalisierten Mikrobiom-Auslesungen, und bringen ihre anonymisierten Daten in die wissenschaftliche Gemeinschaft ein.

Die Studie stützte sich auf insgesamt 4, 434 Stuhlproben aus den USA und China, 2, 550 Speichelproben aus den USA, Kanada, Großbritannien und Tansania, und 1, 975 Hautproben aus den USA und Großbritannien. Die Teilnehmer, deren Daten in der Studie verwendet wurden, waren zwischen 18 und 90 Jahren alt. mit Body-Mass-Indizes von 18,5 bis 30, keine entzündlichen Darmerkrankungen oder Diabetes hatten, und hatte vor der Probenahme mindestens einen Monat lang keine Antibiotika verwendet. Die Studie schloss auch schwangere, ins Krankenhaus eingeliefert, behinderte oder schwerstkranke Menschen.

„Dies war die bisher umfassendste Untersuchung von Mikrobiom und Alter, " sagte der Erstautor Shi Huang, Doktortitel, ein Postdoktorand in Knights Labor und dem UC San Diego Center for Microbiome Innovation.

Das Team fand geschlechtsspezifische Unterschiede in den Ergebnissen des Darmmikrobioms, aber kein Unterschied zwischen Männern und Frauen, wenn es um die Ergebnisse des oralen und hauteigenen Mikrobioms ging. Trotz der Vielfalt der Mikroben, die an verschiedenen Stellen im menschlichen Körper leben, es machte auch keinen Unterschied, ob die Hautproben an der Stirn oder an den Händen entnommen wurden, Dies bedeutet, dass zukünftige Mikrobiomstudien der Haut ihre statistische Aussagekraft durch die Kombination von Sammelorten und Geschlechtern steigern können.

Ein möglicher Grund, warum sich die auf unserer Haut lebenden Mikroben mit zunehmendem Alter so konsequent verändern, sagten die Forscher, ist auf die vorhersehbaren Veränderungen der Hautphysiologie zurückzuführen, die jeder erlebt, wie verringerte Serumproduktion und erhöhte Trockenheit.

„Die Genauigkeit unserer Ergebnisse zeigt das Potenzial für die Anwendung von Techniken des maschinellen Lernens und der künstlichen Intelligenz, um das menschliche Mikrobiom besser zu verstehen. “ sagte Co-Autor Ho-Cheol Kim, Doktortitel, Programmleiterin des Programms Künstliche Intelligenz für ein gesundes Leben, eine Zusammenarbeit zwischen IBM Research und UC San Diego im Rahmen des IBM AI Horizons Network. "Die Anwendung dieser Technologie auf zukünftige Mikrobiom-Studien könnte dazu beitragen, tiefere Einblicke in die Korrelation zwischen dem Einfluss von Mikrobiomen auf unsere allgemeine Gesundheit und einer Vielzahl von Krankheiten und Störungen von der neurologischen über die kardiovaskuläre bis hin zur Immungesundheit zu gewinnen."

Laut Co-Autor Yoshiki Vázquez-Baeza, Doktortitel, Associate Director of Bioinformatic Integration am UC San Diego Center for Microbiome Innovation, Altersvorhersage ist eine besonders attraktive Methode zum Trainieren von Vorhersagemodellen, da die Teilnehmer keine besonderen Kriterien erfüllen müssen, um Probenspender zu werden, und die Beurteilung des Alters erfordert in der Regel keinen Besuch in einem Krankenhaus.

Andere Studien, die sich auf eine bestimmte Erkrankung konzentrieren, wie entzündliche Darmerkrankungen, haben oft Mühe, genügend Teilnehmer zu bekommen, die die Studienkriterien erfüllen und bereit sind, mitzumachen, um aussagekräftige Schlussfolgerungen ziehen zu können. Aber hier, Die breite Anwendbarkeit der Altersvorhersage hat es uns ermöglicht, die Grenzen der mikrobiellen Modellierung in einem noch nie dagewesenen Maßstab auszuloten."

Yoshiki Vázquez-Baeza, Doktortitel, Associate Director of Bioinformatic Integration am UC San Diego Center for Microbiome Innovation

"Wenn Sie lernen, genaue und robuste mikrobiombasierte Modelle zu erstellen, wird die Tür zu einer Reihe biotechnologischer Anwendungen geöffnet. und helfen uns, die Beziehung bestimmter Bakterien mit den Ergebnissen von Interesse besser zu verstehen, “ sagte Ritter.

• Studie liefert neue Details zur therapieassoziierten Polyposis bei Krebsüberlebenden im Kindesalter
• fettreich,