Le microbiome peut prédire l'âge chronologique d'une personne

Nos microbiomes - les communautés complexes de microbes qui y vivent, sur et autour de nous - sont influencés par notre alimentation, habitudes, environnements et gènes, et sont connus pour changer avec l'âge. À son tour, la composition de nos microbiomes, en particulier dans l'intestin, est bien connu pour son influence sur notre santé. Par exemple, la composition du microbiome intestinal a été liée à une maladie intestinale inflammatoire, maladie auto-immune, obésité, voire des troubles neurologiques, comme l'autisme.

Étant donné un échantillon de microbiome (peau, écouvillon buccal ou fécal), les chercheurs ont démontré qu'ils peuvent désormais utiliser l'apprentissage automatique pour prédire l'âge chronologique d'une personne, avec un degré de précision variable. Les échantillons de peau ont fourni la prédiction la plus précise, estimer correctement à environ 3,8 ans, contre 4,5 ans avec un échantillon oral et 11,5 ans avec un échantillon fécal. Les types de microbes vivant dans la cavité buccale ou dans l'intestin des jeunes (âgés de 18 à 30 ans) avaient tendance à être plus diversifiés et abondants que dans les microbiomes comparatifs des personnes âgées (60 ans et plus).

L'outil prédictif, décrit dans un article publié le 11 février 2020 par mSystèmes , a été développé en collaboration entre des chercheurs de l'Université de Californie à San Diego et IBM.

"Cette nouvelle capacité à corréler les microbes avec l'âge nous aidera à faire avancer les futures études sur les rôles que jouent les microbes dans le processus de vieillissement et les maladies liées à l'âge, et nous permettent de mieux tester les interventions thérapeutiques potentielles ciblant les microbiomes, " a déclaré le co-auteur principal Zhenjiang Zech Xu, Doctorat, qui était au moment de l'étude un chercheur postdoctoral dans le laboratoire de la faculté de médecine de l'UC San Diego du co-auteur principal Rob Knight, Doctorat, professeur et directeur de l'UC San Diego Center for Microbiome Innovation.

L'objectif ultime de l'équipe est de créer des modèles d'apprentissage automatique similaires pour corréler le microbiome et les conditions cliniques, comme l'inflammation dans les maladies auto-immunes. Cette approche pourrait un jour constituer la base d'un test non invasif basé sur le microbiome qui aiderait potentiellement les cliniciens à mieux diagnostiquer ou évaluer le risque de maladie d'une personne.

Dans une étude de 2014, Des chercheurs de l'Université de Washington ont comparé « l'âge microbien » - ; âge tel que prédit par le microbiome fécal - ; et l'âge chronologique réel dans le contexte des nourrissons malnutris au cours des premiers mois de la vie. Les chercheurs ont noté que la différence entre l'âge chronologique et l'âge microbien était associée au degré de maturité développementale des enfants. Dans la nouvelle étude, Les chercheurs de l'UC San Diego ont poussé cette idée un peu plus loin pour voir si cette association pouvait s'appliquer aux adultes, et à quel point il s'est généralisé à d'autres sites du corps.

Selon Xu, l'une des conditions les plus importantes pour un bon modèle statistique est une grande taille d'échantillon et une population représentative. Pour faire ça, les chercheurs ont extrait les données de séquençage du microbiome disponibles dans les bases de données publiques de plusieurs projets de science citoyenne, comme l'American Gut Project, dans lequel les participants envoient des matières fécales, écouvillons de salive ou de peau, recevoir leurs relevés de microbiome personnalisés, et contribuer leurs données anonymisées à la communauté scientifique.

L'étude s'est appuyée sur un total de 4, 434 échantillons fécaux des États-Unis et de Chine, 2, 550 échantillons de salive des États-Unis, Canada, Royaume-Uni et Tanzanie, et 1, 975 échantillons de peau provenant des États-Unis et du Royaume-Uni. Les participants dont les données ont été utilisées dans l'étude étaient âgés de 18 à 90 ans, avec des indices de masse corporelle de 18,5 à 30, n'avait pas de maladie inflammatoire de l'intestin ou de diabète, et n'avaient pas utilisé d'antibiotiques pendant au moins un mois avant le prélèvement. L'étude a également exclu les femmes enceintes, hospitalisé, personnes handicapées ou gravement malades.

"Ce fut l'enquête la plus complète sur le microbiome et l'âge à ce jour, " a déclaré le premier auteur Shi Huang, Doctorat, chercheur postdoctoral au laboratoire de Knight et au Centre d'innovation du microbiome de l'UC San Diego.

L'équipe a trouvé des différences spécifiques au sexe dans les résultats du microbiome intestinal, mais aucune différence entre les hommes et les femmes en ce qui concerne les résultats du microbiome buccal et cutané. Malgré la diversité des microbes vivant sur différents sites à travers le corps humain, cela ne faisait aucune différence que les échantillons de peau aient été prélevés sur le front ou sur les mains, ce qui signifie que les futures études sur le microbiome cutané peuvent augmenter leur puissance statistique en combinant les sites de collecte et les sexes.

Une des raisons potentielles pour lesquelles les microbes vivant sur notre peau changent de manière si constante avec l'âge, les chercheurs ont dit, est due aux changements prévisibles de la physiologie de la peau que tout le monde connaît, tels qu'une diminution de la production de sérum et une augmentation de la sécheresse.

"La précision de nos résultats démontre le potentiel d'application des techniques d'apprentissage automatique et d'intelligence artificielle pour mieux comprendre les microbiomes humains, " a déclaré le co-auteur Ho-Cheol Kim, Doctorat, directeur de programme du programme Intelligence artificielle pour un mode de vie sain, une collaboration entre IBM Research et UC San Diego dans le cadre du réseau IBM AI Horizons. « L'application de cette technologie à de futures études sur le microbiome pourrait aider à mieux comprendre la corrélation entre la façon dont les microbiomes influencent notre santé globale et un large éventail de maladies et de troubles allant de la santé neurologique à la santé cardiovasculaire et immunitaire. »

Selon le co-auteur Yoshiki Vázquez-Baeza, Doctorat, directeur associé de l'intégration bioinformatique au Centre d'innovation du microbiome de l'UC San Diego, la prédiction de l'âge est une méthode particulièrement intéressante pour former des modèles prédictifs car les participants n'ont pas besoin de répondre à des critères particuliers pour devenir un échantillon de donneur, et l'évaluation de l'âge ne nécessite généralement pas de visite à l'hôpital.

D'autres études qui se concentrent sur une condition particulière, comme les maladies inflammatoires de l'intestin, ont souvent du mal à obtenir suffisamment de participants qui répondent aux critères de l'étude et qui sont prêts à participer afin de pouvoir tirer des conclusions significatives. Mais ici, la large applicabilité de la prédiction de l'âge nous a permis d'explorer les limites de la modélisation microbienne à une échelle sans précédent."

Yoshiki Vázquez-Baeza, Doctorat, directeur associé de l'intégration bioinformatique au Centre d'innovation du microbiome de l'UC San Diego

"Apprendre à créer des modèles précis et robustes basés sur le microbiome ouvrira la porte à un certain nombre d'applications biotechnologiques, et nous aider à mieux comprendre la relation de certaines bactéries avec les résultats d'intérêt, " dit Chevalier.

• Une étude fournit de nouveaux détails sur la polypose associée au traitement chez les survivants du cancer infantile
• Riche en matières grasses,