Typer og relative mengder mikrober som finnes i en persons tarm kan reflektere og påvirke helsetilstanden. Å vite hvordan denne mikrobielle samfunnssammensetningen endres over tid kan gi sentral innsikt i helse og sykdom. Derimot, det er uklart i hvilken grad den mikrobielle fellesskapssammensetningen i en persons tarm i et gitt øyeblikk bestemmer dens fremtidige sammensetning.
For å løse dette spørsmålet, Shenhav og kolleger utviklet Microbial community Temporal Variability Linear Mixed Model (MTV-LMM), en ny metode for modellering av tidsmessige endringer i tarmens mikrobielle sammensetning. Når den testes mot virkelige data, det nye verktøyet gir mer nøyaktige spådommer enn andre modeller som tidligere er utviklet for samme formål.
Forskerne brukte deretter MTV-LMM til å komme med ny innsikt i mikrobiomedynamikk. For eksempel, de demonstrerte at både hos spedbarn og voksne, tarmmikrobiomsamfunnets sammensetning kan faktisk forutsies nøyaktig basert på tidligere observasjoner av samfunnet. De brukte også modellen på data fra 39 spedbarn og avslørte et sentralt skifte rundt 9 måneders alder i hvordan tarmmikrobiomet endres over tid.
Ser frem til, MTV-LMM kan brukes for å utforske tidsmessig dynamikk i tarmmikrobiomet i sammenheng med sykdom, som kan føre til forbedret diagnose og behandling. Det kan også være nyttig for å forstå andre typer tidsmessige mikrobiomprosesser, slik som de som oppstår under fordøyelsen.
Vår tilnærming gir flere metodiske fremskritt, men dette er fortsatt bare toppen av isfjellet. ”
Liat Shenhav, fra Halperin -laboratoriet, University of California Los Angeles
I fremtiden, hun og hennes kolleger vil jobbe med å forbedre modellens forutsigelsesnøyaktighet og utforske flere applikasjoner. "Å modellere mikrobiomets tidsmessige oppførsel er et grunnleggende vitenskapelig spørsmål, med potensielle anvendelser innen medisin og videre. ”