Mikrobiom kan förutsäga en persons kronologiska ålder

Våra mikrobiomer - de komplexa mikrober som lever i, på och omkring oss - påverkas av vår kost, vanor, miljöer och gener, och är kända för att förändras med åldern. I tur och ordning, sammansättningen av våra mikrobiomer, särskilt i tarmen, är välkänd för sitt inflytande på vår hälsa. Till exempel, tarmmikrobiomkompositionen har kopplats till inflammatorisk tarmsjukdom, autoimmun sjukdom, fetma, även neurologiska störningar, som autism.

Med tanke på ett mikrobiomprov (hud, mun eller avföringspinne), forskare har visat att de nu kan använda maskininlärning för att förutsäga en persons kronologiska ålder, med varierande noggrannhet. Hudprover gav den mest exakta förutsägelsen, uppskatta korrekt till inom ungefär 3,8 år, jämfört med 4,5 år med ett oralt prov och 11,5 år med ett avföringsprov. De typer av mikrober som lever i munhålan eller i tarmen hos unga människor (18 till 30 år gamla) tenderade att vara mer varierade och rikligare än i jämförande mikrobiomer för äldre vuxna (60 år och äldre).

Det prediktiva verktyget, beskrivs i en artikel publicerad den 11 februari, 2020 av mSystems , utvecklades som ett samarbete mellan forskare vid University of California San Diego och IBM.

"Denna nya förmåga att korrelera mikrober med ålder hjälper oss att avancera framtida studier av de roller som mikrober spelar i åldrandeprocessen och åldersrelaterade sjukdomar, och låta oss bättre testa potentiella terapeutiska ingrepp som riktar sig mot mikrobiomer, "sa medförfattaren Zhenjiang Zech Xu, Doktorsexamen, som vid tidpunkten för studien var en postdoktoral forskare vid UC San Diego School of Medicine lab av co-seniorförfattaren Rob Knight, Doktorsexamen, professor och chef för UC San Diego Center for Microbiome Innovation.

Teamets slutliga mål är att skapa liknande maskininlärningsmodeller för att korrelera mikrobiom och kliniska tillstånd, såsom inflammation vid autoimmuna tillstånd. Detta tillvägagångssätt kan en dag utgöra grunden för ett icke-invasivt mikrobiombaserat test som potentiellt hjälper kliniker att bättre diagnostisera eller bedöma en persons risk för en sjukdom.

I en studie från 2014, Washington University forskare jämförde "mikrobiell ålder" -; ålder som förutspås av fekal mikrobiom -; och faktisk kronologisk ålder i samband med undernärda spädbarn under de första månaderna av livet. Forskarna noterade att skillnaden mellan kronologisk och mikrobiell ålder var förknippad med graden av barns utvecklingsmognad. I den nya studien, UC San Diego -forskare tog denna idé ett steg längre för att se om denna förening kan gälla vuxna, och hur väl det generaliserade till andra kroppsställen.

Enligt Xu, ett av de viktigaste kraven för en bra statistisk modell är en stor urvalsstorlek och en representativ population. Att göra det, forskarna brytade mikrobiomsekvensdata som är tillgängliga från de offentliga databaserna för flera medborgarvetenskapliga projekt, som American Gut Project, där deltagarna skickar in fekal, saliv eller hudpinnar, få sina personliga mikrobiomavläsningar, och bidra med sin anonymiserade data till det vetenskapliga samfundet.

Studien förlitade sig på totalt 4, 434 avföringsprover från USA och Kina, 2, 550 salivprover från USA, Kanada, Storbritannien och Tanzania, och 1, 975 hudprover från USA och Storbritannien Deltagarna vars data användes i studien varierade i ålder från 18 till 90 år, med kroppsmassaindex på 18,5 till 30, inte hade inflammatorisk tarmsjukdom eller diabetes, och hade inte använt antibiotika på minst en månad före provtagning. Studien utesluter också gravida, inlagd på sjukhus, funktionshindrade eller kritiskt sjuka individer.

"Detta var den mest omfattande undersökningen av mikrobiom och ålder hittills, "sade författaren Shi Huang, Doktorsexamen, en postdoktor i Knights lab och UC San Diego Center for Microbiome Innovation.

Teamet fann könsspecifika skillnader i tarmmikrobiomresultat, men ingen skillnad mellan män och kvinnor när det gäller orala och hudmikrobiomresultat. Trots mångfalden av mikrober som lever på olika platser i människokroppen, det gjorde heller ingen skillnad om hudproverna hade samlats från pannor eller händer, vilket innebär att framtida hudmikrobiomstudier kan öka deras statistiska kraft genom att kombinera insamlingsplatser och kön.

En möjlig anledning till att mikroberna som lever på vår hud förändras så konsekvent när vi åldras, sa forskarna, beror på de förutsägbara förändringarna i hudfysiologi som alla upplever, såsom minskad serumproduktion och ökad torrhet.

"Noggrannheten i våra resultat visar potentialen för att tillämpa maskininlärning och tekniker för artificiell intelligens för att bättre förstå mänskliga mikrobiomer, "sa medförfattaren Ho-Cheol Kim, Doktorsexamen, programdirektör för programmet Artificiell intelligens för hälsosamt liv, ett samarbete mellan IBM Research och UC San Diego under IBM AI Horizons Network. "Att tillämpa denna teknik på framtida mikrobiomstudier kan hjälpa till att låsa upp djupare insikter om sambandet mellan hur mikrobiomer påverkar vår övergripande hälsa och ett brett spektrum av sjukdomar och störningar från neurologisk till kardiovaskulär och immunhälsa."

Enligt medförfattaren Yoshiki Vázquez-Baeza, Doktorsexamen, associerad chef för bioinformatisk integration vid UC San Diego Center for Microbiome Innovation, åldersprognos är en särskilt attraktiv metod för att träna prediktiva modeller eftersom deltagarna inte behöver uppfylla särskilda kriterier för att bli provgivare, och att bedöma ålder kräver vanligtvis inte ett besök på ett sjukhus.

Andra studier som fokuserar på ett visst tillstånd, såsom inflammatorisk tarmsjukdom, kämpar ofta för att få tillräckligt många deltagare som uppfyller studiekriterierna och som är villiga att delta för att kunna dra meningsfulla slutsatser. Men här, den vida tillämpligheten av åldersförutsägelse tillät oss att utforska gränserna för mikrobiell modellering i en aldrig tidigare skådad skala. "

Yoshiki Vázquez-Baeza, Doktorsexamen, associerad chef för bioinformatisk integration vid UC San Diego Center for Microbiome Innovation

"Att lära sig att skapa exakta och robusta mikrobiombaserade modeller öppnar dörren till ett antal biotekniska tillämpningar, och hjälpa oss att bättre förstå förhållandet mellan vissa bakterier med resultat av intresse, "Sa Knight.

• Studien ger nya detaljer om terapirelaterad polypos hos barn som överlever barn
• Hög fetthalt,