Microbioom kan de chronologische leeftijd van een persoon voorspellen

Onze microbiomen - de complexe gemeenschappen van microben die leven in, op en om ons heen - worden beïnvloed door onze voeding, gebruiken, omgevingen en genen, en waarvan bekend is dat ze veranderen met de leeftijd. Beurtelings, de samenstelling van onze microbiomen, vooral in de darmen, staat bekend om zijn invloed op onze gezondheid. Bijvoorbeeld, De samenstelling van het darmmicrobioom is in verband gebracht met inflammatoire darmaandoeningen, auto immuunziekte, zwaarlijvigheid, zelfs neurologische aandoeningen, zoals autisme.

Gegeven een microbioommonster (huid, mond- of fecaal uitstrijkje), onderzoekers hebben aangetoond dat ze nu machinaal leren kunnen gebruiken om de chronologische leeftijd van een persoon te voorspellen, met een wisselende nauwkeurigheid. Huidmonsters gaven de meest nauwkeurige voorspelling, correct inschatten tot ongeveer 3,8 jaar, vergeleken met 4,5 jaar met een oraal monster en 11,5 jaar met een fecaal monster. De soorten microben die in de mondholte of in de darm van jonge mensen (18 tot 30 jaar oud) leven, waren doorgaans diverser en overvloediger dan in vergelijkende microbiomen van oudere volwassenen (van 60 jaar en ouder).

Het voorspellende instrument, beschreven in een artikel gepubliceerd op 11 februari, 2020 door mSystemen , is ontwikkeld als een samenwerking tussen onderzoekers van de University of California San Diego en IBM.

"Dit nieuwe vermogen om microben te correleren met leeftijd zal ons helpen toekomstige studies naar de rol die microben spelen in het verouderingsproces en leeftijdsgerelateerde ziekten vooruit te helpen, en ons in staat stellen om potentiële therapeutische interventies die gericht zijn op microbiomen beter te testen, " zei co-senior auteur Zhenjiang Zech Xu, doctoraat, die ten tijde van de studie een postdoctoraal onderzoeker was in het laboratorium van de UC San Diego School of Medicine van co-senior auteur Rob Knight, doctoraat, professor en directeur van het UC San Diego Center for Microbiome Innovation.

Het uiteindelijke doel van het team is om vergelijkbare machine learning-modellen te creëren om het microbioom en klinische omstandigheden te correleren, zoals ontsteking bij auto-immuunziekten. Deze benadering zou ooit de basis kunnen vormen voor een niet-invasieve, op microbioom gebaseerde test die clinici mogelijk helpt om het risico van een persoon voor een ziekte beter te diagnosticeren of te beoordelen.

In een onderzoek uit 2014, Onderzoekers van de Universiteit van Washington vergeleken "microbiële leeftijd" -; leeftijd zoals voorspeld door het fecale microbioom -; en werkelijke chronologische leeftijd in de context van ondervoede zuigelingen tijdens de eerste levensmaanden. De onderzoekers merkten op dat het verschil tussen chronologische en microbiële leeftijd verband hield met de mate van ontwikkelingsrijpheid van de kinderen. In de nieuwe studie UC San Diego-onderzoekers gingen nog een stap verder met dit idee om te zien of deze associatie ook van toepassing zou kunnen zijn op volwassenen, en hoe goed het gegeneraliseerd werd naar andere lichaamssites.

Volgens Xu, een van de belangrijkste vereisten voor een goed statistisch model is een grote steekproefomvang en een representatieve populatie. Om dat te doen, de onderzoekers ontgonnen microbioomsequentiegegevens die beschikbaar zijn uit de openbare databases van verschillende burgerwetenschappelijke projecten, zoals het American Gut Project, waarin deelnemers post in fecale, speeksel of huiduitstrijkjes, hun gepersonaliseerde microbioomuitlezingen ontvangen, en dragen hun geanonimiseerde gegevens bij aan de wetenschappelijke gemeenschap.

Het onderzoek was gebaseerd op in totaal 4, 434 fecale monsters uit de VS en China, 2, 550 speekselmonsters uit de VS, Canada, VK en Tanzania, en 1, 975 huidmonsters uit de VS en het VK De deelnemers van wie de gegevens in het onderzoek werden gebruikt, varieerden in leeftijd van 18 tot 90 jaar oud, met body mass indexen van 18,5 tot 30, geen inflammatoire darmziekte of diabetes had, en had gedurende ten minste een maand voorafgaand aan de bemonstering geen antibiotica gebruikt. De studie sloot ook zwangere vrouwen uit, opgenomen in het ziekenhuis, gehandicapte of ernstig zieke personen.

"Dit was het meest uitgebreide onderzoek naar het microbioom en de leeftijd tot nu toe, " zei eerste auteur Shi Huang, doctoraat, een postdoctoraal onderzoeker in het laboratorium van Knight en het UC San Diego Center for Microbiome Innovation.

Het team vond geslachtsspecifieke verschillen in de resultaten van het darmmicrobioom, maar er was geen verschil tussen mannen en vrouwen als het ging om de resultaten van het mond- en huidmicrobioom. Ondanks de diversiteit aan microben die op verschillende plaatsen in het menselijk lichaam leven, het maakte ook niet uit of de huidmonsters van het voorhoofd of van de handen waren genomen, wat betekent dat toekomstige huidmicrobioomstudies hun statistische kracht kunnen vergroten door verzamelsites en geslachten te combineren.

Een mogelijke reden waarom de microben die op onze huid leven zo constant veranderen naarmate we ouder worden, zeiden de onderzoekers, is te wijten aan de voorspelbare veranderingen in de huidfysiologie die iedereen ervaart, zoals verminderde serumproductie en verhoogde droogheid.

"De nauwkeurigheid van onze resultaten demonstreert het potentieel voor het toepassen van machine learning en kunstmatige intelligentietechnieken om menselijke microbiomen beter te begrijpen, " zei co-auteur Ho-Cheol Kim, doctoraat, programmadirecteur van het programma Kunstmatige Intelligentie voor Gezond Leven, een samenwerking tussen IBM Research en UC San Diego onder het IBM AI Horizons Network. "Het toepassen van deze technologie op toekomstige microbioomstudies kan helpen om diepere inzichten te krijgen in de correlatie tussen hoe microbiomen onze algehele gezondheid beïnvloeden en een breed scala aan ziekten en aandoeningen, van neurologische tot cardiovasculaire en immuungezondheid."

Volgens co-auteur Yoshiki Vázquez-Baeza, doctoraat, associate director van bio-informatica-integratie bij het UC San Diego Center for Microbiome Innovation, leeftijdsvoorspelling is een bijzonder aantrekkelijke methode voor het trainen van voorspellende modellen, omdat deelnemers niet aan speciale criteria hoeven te voldoen om monsterdonor te worden, en het beoordelen van leeftijd vereist meestal geen bezoek aan een ziekenhuis.

Andere onderzoeken die zich richten op een bepaalde aandoening, zoals inflammatoire darmaandoeningen, hebben vaak moeite om voldoende deelnemers te krijgen die voldoen aan de onderzoekscriteria en die bereid zijn deel te nemen om zinvolle conclusies te kunnen trekken. Maar hier, de brede toepasbaarheid van leeftijdsvoorspelling stelde ons in staat om de grenzen van microbiële modellering op een ongekende schaal te verkennen."

Yoshiki Vazquez-Baeza, doctoraat, associate director van bio-informatica-integratie bij het UC San Diego Center for Microbiome Innovation

"Leren hoe je nauwkeurige en robuuste modellen op basis van microbioom kunt maken, zal de deur openen naar een aantal biotechnologische toepassingen, en ons helpen de relatie van bepaalde bacteriën met interessante resultaten beter te begrijpen, ' zei Ridder.

• Studie biedt nieuwe details over therapie-geassocieerde polyposis bij overlevenden van kinderkanker
• Veel vet,