Forskere fra Drexel University håper å kunne svare på det spørsmålet gjennom en smart kombinasjon av høy gjennomstrømning genetisk sekvensering og datamaskinalgoritmer med naturlig språkbehandling. Forskningen deres, som nylig ble publisert i tidsskriftet PLOS ONE , rapporterer en ny metode for å analysere kodene som finnes i RNA som kan avgrense menneskelige mikrobielle samfunn og avsløre hvordan de fungerer.
Mye av forskningen på det menneskelige mikrobielle miljøet - eller mikrobiomet - har fokusert på å identifisere alle de forskjellige mikrobeartene. Og den begynnende utviklingen av behandlinger for mikrobiotikakoblede sykdommer opererer under ideen om at ubalanser eller avvik i mikrobiomet er kilden til helseproblemer, som fordøyelsesbesvær eller Crohns sykdom.
Men for å rette opp disse ubalansene er det viktig for forskere å ha en bredere forståelse av mikrobielle samfunn som de eksisterer - både i de rammede områdene og i hele kroppen.
Vi begynner egentlig å skrape overflaten av å forstå helseeffektene av mikrobiota. På mange måter har forskere hoppet inn i dette arbeidet uten å ha et fullstendig bilde av hvordan disse mikrobielle samfunnene ser ut, hvor utbredt de er og hvordan deres interne konfigurasjon påvirker deres nærmeste miljø i menneskekroppen. "
Gail Rosen, PhD, førsteamanuensis ved Drexel's College of Engineering, forfatter av papiret
Rosen leder Drexels senter for biologisk oppdagelse fra store data, en gruppe forskere som har brukt algoritmer og maskinlæring for å hjelpe til med å tyde enorme mengder genetisk sekvensering av informasjon som har blitt tilgjengelig i løpet av de siste få årene. Deres arbeid og lignende innsats rundt om i verden har flyttet mikrobiologi og genetisk forskning fra våtlaboratoriet til datasenteret - og skapt en beregningsmessig tilnærming til å studere organismenes interaksjoner og evolusjon, kalt metagenomics.
I denne typen forskning, en skanning av en genetisk materialprøve - DNA eller RNA - kan tolkes for å avsløre organismer som sannsynligvis er tilstede. Metoden presentert av Rosens gruppe tar det et skritt lenger ved å analysere den genetiske koden for å oppdage gjentagende mønstre, en indikasjon på at visse grupper av organismer - mikrober i dette tilfellet - blir funnet sammen så ofte at det ikke er tilfeldig.
"Vi kaller denne metoden 'temetagenomikk, 'fordi vi leter etter tilbakevendende temaer i mikrobiomer som er indikatorer på samtidig forekommende grupper av mikrober, "Rosen sa." Det er tusenvis av mikroberarter som lever i kroppen, så hvis du tenker på alle permutasjonene til grupperinger som kan eksistere, kan du forestille deg hvilken skremmende oppgave det er å avgjøre hvem av dem som lever i fellesskap med hverandre. Vår metode setter en mønster-spotting algoritme for å jobbe med oppgaven, som sparer enormt mye tid og eliminerer noen gjetninger. "
Gjeldende metoder for å studere mikrobiota, tarmbakterier for eksempel, ta en prøve fra et område av kroppen og se deretter på det genetiske materialet som er tilstede. Denne prosessen mangler iboende viktig kontekst, ifølge forfatterne.
"Det er umulig å virkelig forstå hva mikrobesamfunn gjør hvis vi ikke først forstår omfanget av samfunnet og hvor ofte og hvor de ellers kan forekomme i kroppen, "sa Steve Woloszynek, PhD, og MD-trainee ved Drexel's College of Medicine og medforfatter av avisen. "Med andre ord, Det er vanskelig å utvikle behandlinger for å fremme naturlig mikrobiell sameksistens hvis deres 'naturlige tilstand' ennå ikke er kjent. "
Få et fullstendig kart over mikrobielle samfunn, bruker temagenomikk, lar forskere observere hvordan de endrer seg over tid - både hos friske mennesker og de som lider av sykdommer. Og å se forskjellen mellom de to gir ledetråder til samfunnets funksjon, i tillegg til å belyse konfigurasjonen av mikrobearter som gjør det mulig.
"De fleste metagenomiske metoder forteller deg bare hvilke mikrober som er mange - derfor sannsynligvis viktige - men de forteller deg egentlig ikke mye om hvordan hver art støtter andre medlemmer av samfunnet, "Rosen sa." Med vår metode får du et bilde av konfigurasjonen av samfunnet - for eksempel den kan ha E. coli og B. fragilis som de vanligste mikrober og i ganske like tall - noe som kan indikere at de krysser hverandre. Et annet samfunn kan ha B. fragilis som den vanligste mikroben, med mange andre mikrober på lik linje, men lavere, tall - som kan indikere at de spiser av det B. fragilis lager, uten samarbeid. "
Et av de endelige målene med å analysere menneskelig mikrobiota er å bruke tilstedeværelsen av visse mikrobesamfunn som indikatorer for å identifisere sykdommer som Crohns eller til og med spesifikke typer kreft. For å teste den nye metoden, Drexel -forskerne setter det opp mot lignende tema modelleringsprosedyrer som diagnostiserer Crohns og munnkreft ved å måle den relative mengden av visse genetiske sekvenser.
Temaagenomikkmetoden viste seg å være like nøyaktig å forutsi sykdommene, men det gjør det mye raskere enn de andre emnemodelleringsmetodene - minutter versus dager - og det pirrer også hvordan hver mikrobeart i indikatorsamfunnet kan bidra til alvorlighetsgraden av sykdommen. Med dette detaljnivået, forskere vil kunne sette seg inn i bestemte genetiske grupperinger når de utvikler målrettede behandlinger.
Gruppen har gjort sine temagenomiske analyseverktøy offentlig tilgjengelig i håp om å fremskynde fremskritt mot kurer og behandlinger for disse sykdommene.
"Det er veldig tidlig akkurat nå, men jo mer vi forstår om hvordan mikrobiomet fungerer - selv om vi bare vet at grupper kan opptre sammen - så kan vi se nærmere på de metabolske veiene til disse gruppene og gripe inn eller kontrollere dem, og dermed banet vei for medisinutvikling og terapiforskning, "Sa Rosen.