Mikrobiom kan forudsige en persons kronologiske alder

Vores mikrobiomer - de komplekse samfund af mikrober, der lever i, på og omkring os - påvirkes af vores kostvaner, vaner, miljøer og gener, og vides at ændre sig med alderen. På tur, sammensætningen af ​​vores mikrobiomer, især i tarmen, er kendt for sin indflydelse på vores helbred. For eksempel, tarmmikrobiomsammensætning er blevet forbundet med inflammatorisk tarmsygdom, autoimmun sygdom, fedme, selv neurologiske lidelser, såsom autisme.

I betragtning af en mikrobiomprøve (hud, mund eller fækalpind), forskere har demonstreret, at de nu kan bruge maskinlæring til at forudsige en persons kronologiske alder, med en varierende grad af nøjagtighed. Hudprøver gav den mest nøjagtige forudsigelse, skøn korrekt til inden for ca. 3,8 år, sammenlignet med 4,5 år med en oral prøve og 11,5 år med en fækal prøve. De typer mikrober, der lever i mundhulen eller i tarmen hos unge (i alderen 18 til 30 år) havde en tendens til at være mere mangfoldige og rigelige end i sammenlignende mikrobiomer hos ældre voksne (60 år og ældre).

Det forudsigende værktøj, beskrevet i et papir offentliggjort den 11. februar, 2020 af mSystemer , blev udviklet som et samarbejde mellem forskere ved University of California San Diego og IBM.

"Denne nye evne til at korrelere mikrober med alderen vil hjælpe os med at fremme fremtidige undersøgelser af de roller, mikrober spiller i aldringsprocessen og aldersrelaterede sygdomme, og give os mulighed for bedre at teste potentielle terapeutiske indgreb, der er målrettet mod mikrobiomer, "sagde co-seniorforfatter Zhenjiang Zech Xu, Ph.d., der var på tidspunktet for undersøgelsen en postdoktoral forsker i UC San Diego School of Medicine lab af co-senior forfatter Rob Knight, Ph.d., professor og direktør for UC San Diego Center for Microbiome Innovation.

Teamets ultimative mål er at skabe lignende maskinlæringsmodeller for at korrelere mikrobiom og kliniske tilstande, såsom betændelse ved autoimmune tilstande. Denne tilgang kunne en dag danne grundlag for en ikke-invasiv mikrobiombaseret test, der potentielt hjælper klinikere med bedre at diagnosticere eller vurdere en persons risiko for en sygdom.

I en undersøgelse fra 2014, Washington University forskere sammenlignede "mikrobiel alder" -; alder som forudsagt af det fækale mikrobiom -; og faktisk kronologisk alder i forbindelse med underernærede spædbørn i de første måneder af livet. Forskerne bemærkede, at forskellen mellem kronologisk og mikrobiel alder var forbundet med graden af ​​børns udviklingsmodenhed. I den nye undersøgelse, UC San Diego -forskere tog denne idé et skridt videre for at se, om denne forening kunne gælde for voksne, og hvor godt det generaliserede til andre kropssteder.

Ifølge Xu, et af de vigtigste krav til en god statistisk model er en stor stikprøvestørrelse og en repræsentativ population. At gøre det, forskerne minede mikrobiom -sekventeringsdata tilgængelige fra de offentlige databaser for flere borgervidenskabelige projekter, såsom American Gut Project, hvor deltagerne sender fækal, spyt eller hudpinde, modtage deres personlige mikrobiomaflæsninger, og bidrage med deres anonymiserede data til det videnskabelige samfund.

Undersøgelsen baserede sig på i alt 4, 434 fækale prøver fra USA og Kina, 2, 550 spytprøver fra USA, Canada, Storbritannien og Tanzania, og 1, 975 hudprøver fra USA og Storbritannien Deltagerne, hvis data blev brugt i undersøgelsen, varierede i alderen fra 18 til 90 år, med kropsmasseindeks på 18,5 til 30, ikke havde inflammatorisk tarmsygdom eller diabetes, og havde ikke brugt antibiotika i mindst en måned før prøveudtagning. Undersøgelsen udelukkede også gravide, indlagt, handicappede eller kritisk syge personer.

"Dette var den mest omfattende undersøgelse af mikrobiom og alder til dato, "sagde første forfatter Shi Huang, Ph.d., en postdoktor i Knights lab og UC San Diego Center for Microbiome Innovation.

Teamet fandt kønsspecifikke forskelle i tarmmikrobiomresultater, men ingen forskel mellem hanner og hunner, når det kom til orale og hudmikrobiomresultater. På trods af mangfoldigheden af ​​mikrober, der lever på forskellige steder i hele menneskekroppen, det gjorde heller ingen forskel, om hudprøverne var blevet opsamlet fra pande eller hænder, hvilket betyder, at fremtidige hudmikrobiomundersøgelser kan øge deres statistiske magt ved at kombinere indsamlingssteder og køn.

En mulig årsag til, at mikroberne, der lever på vores hud, ændrer sig så konsekvent, når vi bliver ældre, sagde forskerne, skyldes de forudsigelige ændringer i hudfysiologi, som alle oplever, såsom nedsat serumproduktion og øget tørhed.

"Nøjagtigheden af ​​vores resultater demonstrerer potentialet for at anvende maskinlæring og teknikker til kunstig intelligens for bedre at forstå menneskelige mikrobiomer, "sagde medforfatter Ho-Cheol Kim, Ph.d., programdirektør for programmet Artificial Intelligence for Healthy Living, et samarbejde mellem IBM Research og UC San Diego under IBM AI Horizons Network. "Anvendelse af denne teknologi til fremtidige mikrobiomundersøgelser kan hjælpe med at låse op for dybere indsigt i sammenhængen mellem, hvordan mikrobiomer påvirker vores generelle sundhed og en lang række sygdomme og lidelser fra neurologisk til kardiovaskulær og immun sundhed."

Ifølge medforfatter Yoshiki Vázquez-Baeza, Ph.d., associeret direktør for bioinformatisk integration ved UC San Diego Center for Microbiome Innovation, aldersforudsigelse er en særlig attraktiv metode til træning af forudsigelsesmodeller, fordi deltagerne ikke behøver at opfylde særlige kriterier for at blive en prøvedonor, og vurdering af alder kræver typisk ikke et besøg på et hospital.

Andre undersøgelser, der fokuserer på en bestemt tilstand, såsom inflammatorisk tarmsygdom, kæmper ofte for at få nok deltagere, der opfylder undersøgelseskriterierne, og som er villige til at deltage for at kunne drage meningsfulde konklusioner. Men her, den store anvendelighed af aldersforudsigelse tillod os at undersøge grænserne for mikrobiel modellering i en hidtil uset skala. "

Yoshiki Vázquez-Baeza, Ph.d., associeret direktør for bioinformatisk integration ved UC San Diego Center for Microbiome Innovation

"At lære at skabe præcise og robuste mikrobiombaserede modeller åbner døren til en række bioteknologiske applikationer, og hjælpe os med bedre at forstå forholdet mellem visse bakterier med resultater af interesse, "Sagde Knight.

• Undersøgelse giver nye detaljer om terapirelateret polypose hos kræftoverlevende hos børn
• Fedtfattig,