Onderzoekers van de Drexel University hopen die vraag te helpen beantwoorden door een slimme combinatie van high-throughput genetische sequencing en computeralgoritmen voor natuurlijke taalverwerking. Hun onderzoek, die onlangs in het tijdschrift werd gepubliceerd PLOS EEN , rapporteert een nieuwe methode voor het analyseren van de codes in RNA die menselijke microbiële gemeenschappen kunnen afbakenen en onthullen hoe ze werken.
Veel van het onderzoek naar de menselijke microbiële omgeving - of microbioom - heeft zich gericht op het identificeren van alle verschillende soorten microben. En de ontluikende ontwikkeling van behandelingen voor microbiota-gerelateerde ziekten werkt vanuit het idee dat onevenwichtigheden of afwijkingen in het microbioom de oorzaak zijn van gezondheidsproblemen, zoals indigestie of de ziekte van Crohn.
Maar om deze onevenwichtigheden goed te corrigeren, is het belangrijk dat wetenschappers een breder begrip hebben van de microbiële gemeenschappen zoals ze bestaan - zowel in de getroffen gebieden als in het hele lichaam.
We beginnen eigenlijk nog maar net aan de oppervlakte te komen met het begrijpen van de gezondheidseffecten van microbiota. In veel opzichten zijn wetenschappers in dit werk gesprongen zonder een volledig beeld te hebben van hoe deze microbiële gemeenschappen eruit zien, hoe vaak ze voorkomen en hoe hun interne configuratie hun directe omgeving in het menselijk lichaam beïnvloedt."
Gail Rosen, doctoraat, universitair hoofddocent aan Drexel's College of Engineering, auteur van het artikel
Rosen leidt Drexel's Center for Biological Discovery from Big Data, een groep onderzoekers die algoritmen en machine learning heeft toegepast om enorme hoeveelheden genetische sequentie-informatie te ontcijferen die de afgelopen jaren beschikbaar zijn gekomen. Hun werk en soortgelijke inspanningen over de hele wereld hebben microbiologie en genetisch onderzoek van het natte lab naar het datacenter verplaatst - waardoor een computationele benadering is ontstaan voor het bestuderen van interacties en evolutie van organismen, metagenomica genoemd.
Bij dit soort onderzoek een scan van een monster van genetisch materiaal - DNA of RNA - kan worden geïnterpreteerd om de organismen te onthullen die waarschijnlijk aanwezig zijn. De methode die door Rosen's groep wordt gepresenteerd, gaat nog een stap verder door de genetische code te analyseren om terugkerende patronen te ontdekken, een aanwijzing dat bepaalde groepen organismen - in dit geval microben - zo vaak bij elkaar worden gevonden dat het geen toeval is.
"We noemen deze methode 'themetagenomics', ' omdat we op zoek zijn naar terugkerende thema's in microbiomen die indicatoren zijn van samen voorkomende groepen microben, Rosen zei. "Er leven duizenden soorten microben in het lichaam, dus als je nadenkt over alle permutaties van groeperingen die zouden kunnen bestaan, kun je je voorstellen wat een ontmoedigende taak het is om te bepalen welke van hen in gemeenschap met elkaar leven. Onze methode zet een patroonherkenningsalgoritme aan de taak, dat scheelt enorm veel tijd en elimineert wat giswerk."
Huidige methoden voor het bestuderen van microbiota, darmbacteriën bijv. neem een monster uit een deel van het lichaam en kijk dan naar het genetische materiaal dat aanwezig is. Dit proces mist inherent belangrijke context, volgens de auteurs.
"Het is onmogelijk om echt te begrijpen wat microbengemeenschappen doen als we niet eerst de omvang van de gemeenschap begrijpen en hoe vaak en waar ze nog meer in het lichaam kunnen voorkomen, " zei Steve Woloszynek, doctoraat, en MD-stagiair in Drexel's College of Medicine en co-auteur van het artikel. "Met andere woorden, het is moeilijk om behandelingen te ontwikkelen om natuurlijke microbiële coëxistentie te bevorderen als hun 'natuurlijke staat' nog niet bekend is."
Het verkrijgen van een volledige kaart van microbiële gemeenschappen, met behulp van thematagenomics, stelt onderzoekers in staat om te observeren hoe ze in de loop van de tijd veranderen - zowel bij gezonde mensen als bij mensen die aan ziekten lijden. En het observeren van het verschil tussen de twee geeft aanwijzingen voor de functie van de gemeenschap, evenals het verlichten van de configuratie van microbe-soorten die dit mogelijk maken.
"De meeste metagenomica-methoden vertellen je alleen welke microben er in overvloed zijn - en daarom waarschijnlijk belangrijk - maar ze vertellen je niet echt veel over hoe elke soort andere leden van de gemeenschap ondersteunt, " zei Rosen. "Met onze methode krijg je een beeld van de configuratie van de community - bijvoorbeeld, het kan E. coli en B. fragilis hebben als de meest voorkomende microben en in vrij gelijke aantallen - wat erop kan wijzen dat ze kruisvoeden. Een andere gemeenschap heeft mogelijk B. fragilis als de meest voorkomende microbe, met veel andere microben in gelijke mate, maar lager, getallen - die erop kunnen duiden dat ze zich voeden met wat B. fragilis aan het maken is, zonder enige medewerking."
Een van de uiteindelijke doelen van het analyseren van de menselijke microbiota is om de aanwezigheid van bepaalde microbe-gemeenschappen te gebruiken als indicatoren om ziekten zoals de ziekte van Crohn of zelfs specifieke soorten kanker te identificeren. Om hun nieuwe methode te testen, de Drexel-onderzoekers stelden het op tegen vergelijkbare procedures voor onderwerpmodellering die de diagnose van Crohn en mondkanker stellen door de relatieve overvloed van bepaalde genetische sequenties te meten.
De thematagenomics-methode bleek net zo nauwkeurig de ziekten te voorspellen, maar het doet het veel sneller dan de andere methoden voor het modelleren van onderwerpen - minuten versus dagen - en het plaagt ook hoe elke microbesoort in de indicatorgemeenschap kan bijdragen aan de ernst van de ziekte. Met dit niveau van granulariteit, onderzoekers zullen zich kunnen verdiepen in bepaalde genetische groepen bij het ontwikkelen van gerichte behandelingen.
De groep heeft zijn thema-analysetools openbaar gemaakt in de hoop de vooruitgang in de richting van genezingen en behandelingen voor deze ziekten te versnellen.
"Het is nu erg vroeg, maar hoe meer we begrijpen over hoe het microbioom functioneert - zelfs als we weten dat groepen mogelijk samenwerken - dan kunnen we kijken naar de metabole routes van deze groepen en ingrijpen of ze beheersen, daarmee de weg vrijmakend voor de ontwikkeling van geneesmiddelen en therapieonderzoek, ' zei Rosen.