De publiserte metoden sin 17. mars, 2020 i mSystemer , en fagfellevurdert open access journal fra American Society for Microbiology.
Mikrobiombasert sykdomsklassifisering avhenger av godt validert, sykdomsspesifikke modeller eller markører. Derimot, nåværende modeller mangler denne informasjonen for mange sykdommer. "
Dr. SU Xiaoquan, fra Single-Cell Center ved Qingdao Institute of Bioenergy and Bioprocess Technology (QIBEBT) fra Chinese Academy of Sciences (CAS)
I tillegg, SU sa, flere sykdommer kan dele de samme biomarkørene - mikroorganismer som indikerer noe utenom det vanlige, som et mutert protein som finnes i kreftceller, gjør det vanskeligere for forskere å klassifisere hver enkelt.
For å bekjempe disse problemene for påvisning og klassifisering av sykdom, SU og hans felles programvareteam fra Single-Cell Center, QIBEBT og Center for Microbiome Innovation (CMI), University of California i San Diego (UCSD), utviklet en ny søkemetode basert på hele det mikrobielle samfunnet en menneskekropp inneholder, samlet kalt mikrobiomet. Hver person har et mikrobiom, selv om de ikke har en sykdom.
Tradisjonelle modeller sammenligner prøver fra friske personer med prøver fra personer som er kjent for å ha spesifikke sykdommer. Med den nye metoden, ved å søke basert på den spesifikke outlier, i stedet for kjente biomarkører som kan kode for flere sykdommer, forskerne kan identifisere mikrobiometilstanden forbundet med sykdommen på tvers av forskjellige kohorter eller sekvenseringsplattformer.
I denne nye tilnærmingen, forskergruppen bruker en totrinns prosess for å identifisere sykdom. Først, de søker i en grunnlinjedatabase over friske individer for å oppdage en hvilken som helst spesiell nyhet for mikrobiomer - eller kjent anomali som skiller mikrobiomet fra en sunn tilstand. De søker deretter etter den outlieren i en database med sykdomsspesifikke eksempler.
"Vår strategis presisjon, sensitivitet og hastighet overgår modellbaserte tilnærminger, "Sa SU.
Resultatene av søket kan gi raske spådommer for å hjelpe klinikere med å diagnostisere og behandle sykdommer.
"Denne søkebaserte strategien viser løfte som et viktig første skritt i mikrobiom big data-basert diagnose, "ifølge Rob Knight, Direktør for CMI og UCSD. "I lys av det generelle skiftet i fokus for mikrobiom-sekvensering fra friske til syke verter, funnene her taler for å legge til flere grunnprøver fra forskjellige geografiske steder. "
XU Jian, Direktør for encellede senter, QIBEBT, er enig. Neste, det felles Sino-USA-teamet jobber for å oppmuntre sine kolleger til å delta i en koordinert innsats for å fortsette å utvide mikrobiomedatabasen, å inkludere hver befolkning og hvert økosystem på kloden.
"Med Microbiome Search Engine, å utføre et søk kan bli standard og muliggjøre nye mikrobiomstudier slik det er å utføre en BLAST mot din nye DNA -sekvens i dag. "XU sa.
Dette arbeidet ble støttet av National Natural Science Foundation of China, det kinesiske vitenskapsakademiet, National Institutes of Health, National Science Foundation, Alfred P. Sloan Foundation og National Health and Medical Research Council.
Qingdao Institute of Bioenergy and Bioprocess Technology (QIBEBT), Chinese Academy of Sciences (CAS) ble grunnlagt i 2006. Instituttets hovedkvarter ligger i Qingdao, Shandong -provinsen, Kina. Instituttet består av et team på over 500 ansatte, 207 studenter, og 64 postdokumenter.
QIBEBT er en av Kinas primære nasjonale forskningsinstitusjoner for fornybar energi og grønne materialer, fokuserer hovedsakelig på forskning og utvikling av ressursene, teknologier, produkter og prosesser for biobasert energi og materialer.
QIBEBT er dedikert til å tilby systematiske og bærekraftige løsninger på Kinas behov for bioenergi ved å integrere vitenskap, teknologi, og ingeniørfag innen industriell biologi, grønn kjemisk teknologi, og prosessingeniør.