Forskare från Drexel University hoppas kunna hjälpa till att svara på den frågan genom en smart kombination av höggenomförd genetisk sekvensering och datoralgoritmer för bearbetning av naturligt språk. Deras forskning, som nyligen publicerades i tidningen PLOS ONE , rapporterar en ny metod för att analysera koder som finns i RNA som kan avgränsa mänskliga mikrobiella samhällen och avslöja hur de fungerar.
Mycket av forskningen om den mänskliga mikrobiella miljön - eller mikrobiomet - har fokuserat på att identifiera alla de olika mikrobarterna. Och den framväxande utvecklingen av behandlingar för mikrobiota-länkade sjukdomar fungerar under tanken att obalanser eller avvikelser i mikrobiomet är källan till hälsoproblem, såsom matsmältningsbesvär eller Crohns sjukdom.
Men för att rätta till dessa obalanser är det viktigt för forskare att ha en bredare förståelse för mikrobiella samhällen som de existerar - både i de drabbade områdena och i hela kroppen.
Vi har egentligen bara börjat skrapa ytan för att förstå mikrobiotas hälsoeffekter. På många sätt har forskare hoppat in i detta arbete utan att ha en fullständig bild av hur dessa mikrobiella samhällen ser ut, hur utbredda de är och hur deras inre konfiguration påverkar deras närmaste miljö i människokroppen. "
Gail Rosen, Doktorsexamen, docent i Drexels tekniska högskola, författare till tidningen
Rosen leder Drexels Center for Biological Discovery from Big Data, en grupp forskare som har använt algoritmer och maskininlärning för att hjälpa till att dechiffrera enorma mängder genetisk sekvensinformation som har blivit tillgänglig under de senaste få åren. Deras arbete och liknande ansträngningar runt om i världen har flyttat mikrobiologi och genetisk forskning från våtlabbet till datacenteret - skapat ett beräkningssätt för att studera organismers interaktioner och evolution, kallas metagenomics.
I denna typ av forskning, en skanning av ett genetiskt materialprov - DNA eller RNA - kan tolkas för att avslöja de organismer som sannolikt finns. Metoden som presenteras av Rosen grupp tar det ett steg längre genom att analysera den genetiska koden för att upptäcka återkommande mönster, en indikation på att vissa grupper av organismer - mikrober i det här fallet - hittas tillsammans så ofta att det inte är en slump.
"Vi kallar den här metoden 'temetagenomik, 'för att vi letar efter återkommande teman i mikrobiomer som är indikatorer på samtidigt förekommande grupper av mikrober, "Rosen sa." Det finns tusentals arter av mikrober som lever i kroppen, så om du tänker på alla permutationer av grupper som kan finnas kan du föreställa dig vilken skrämmande uppgift det är att avgöra vilka av dem som lever i gemenskap med varandra. Vår metod sätter en mönster-spotting algoritm för att arbeta med uppgiften, vilket sparar oerhört mycket tid och eliminerar några gissningar. "
Nuvarande metoder för att studera mikrobiota, tarmbakterier till exempel, ta ett prov från ett område av kroppen och titta sedan på det genetiska material som finns. Denna process saknar i sig ett viktigt sammanhang, enligt författarna.
"Det är omöjligt att riktigt förstå vad mikrobgemenskapen gör om vi inte först förstår gemenskapens omfattning och hur ofta och var de annars kan förekomma i kroppen, "sa Steve Woloszynek, Doktorsexamen, och MD-praktikant vid Drexel's College of Medicine och medförfattare till uppsatsen. "Med andra ord, Det är svårt att utveckla behandlingar för att främja naturlig mikrobiell samexistens om deras "naturliga tillstånd" ännu inte är känt. "
Få en fullständig karta över mikrobiella samhällen, med hjälp av temagenomik, tillåter forskare att observera hur de förändras över tid - både hos friska människor och dem som lider av sjukdomar. Och att observera skillnaden mellan de två ger ledtrådar till gemenskapens funktion, samt belysa konfigurationen av mikrober som gör det möjligt.
"De flesta metagenomiska metoder berättar bara vilka mikrober som är rikliga - därför troligtvis viktiga - men de berättar inte mycket om hur varje art stöder andra samhällsmedlemmar, "Sade Rosen." Med vår metod får du en bild av gemenskapens konfiguration - till exempel den kan ha E. coli och B. fragilis som de vanligaste mikroberna och i ganska lika antal - vilket kan tyda på att de korsmatas. Ett annat samhälle kan ha B. fragilis som den vanligaste mikroben, med många andra mikrober lika, men lägre, siffror - som kan indikera att de livnär sig av vad B. fragilis gör, utan samarbete. "
Ett av de slutliga målen med att analysera mänsklig mikrobiota är att använda förekomsten av vissa mikrobgemenskap som indikatorer för att identifiera sjukdomar som Crohns eller till och med specifika cancertyper. För att testa deras nya metod, Drexel -forskarna ställde upp det mot liknande ämnesmodelleringsprocedurer som diagnostiserar Crohns och muncancer genom att mäta det relativa överflödet av vissa genetiska sekvenser.
Tematagenomikmetoden visade sig vara precis så exakt att förutsäga sjukdomarna, men det gör det mycket snabbare än de andra ämnesmodelleringsmetoderna - minuter kontra dagar - och det retar också ut hur varje mikrobart i indikatorsamhället kan bidra till sjukdomens svårighetsgrad. Med denna nivå av granularitet, forskare kommer att kunna gå in på specifika genetiska grupper när de utvecklar riktade behandlingar.
Gruppen har gjort sina temagenomiska analysverktyg offentligt tillgängliga i hopp om snabbare framsteg mot botemedel och behandlingar för dessa sjukdomar.
"Det är väldigt tidigt just nu, men ju mer vi förstår om hur mikrobiomen fungerar - även om vi bara vet att grupper kan agera tillsammans - då kan vi undersöka dessa gruppers metaboliska vägar och ingripa eller kontrollera dem, på så sätt banar väg för läkemedelsutveckling och terapiforskning, "Sa Rosen.