W naszym organizmie, niezależnie od stanu zdrowia, żyją miliardy mikroorganizmów, które stale towarzyszą nam przez całe życie. W ostatnich dekadach naukowcy odkryli, że skład tej społeczności mikroorganizmów, zwanej mikrobiomem, może dostarczać cennych wskazówek na temat ludzkich chorób oraz ich leczenia. Nowe badanie przeprowadzone przez grupę Borka z EMBL Heidelberg, opublikowane w prestiżowym czasopiśmie Cell, pokazuje, że nie tylko skład mikrobiomu, ale także całkowita liczba mikroorganizmów w jelitach ma istotny wpływ na nasze zdrowie – a ten aspekt badawczy często pozostaje w cieniu.
Od składu do ilości
Dotychczasowe analizy mikrobiomu koncentrowały się głównie na składzie mikroorganizmów – czyli względnym udziale różnych gatunków bakterii, archeonów, protistów, wirusów i innych drobnoustrojów. Przykładem może być porównanie, czy liczba bakterii danego gatunku rośnie lub spada u osób cierpiących na określone choroby. Dzięki takim badaniom możemy tworzyć hipotezy, że pewne bakterie mogą być powiązane z chorobami.
Na przykład wyobraźmy sobie, że w jelitach zdrowej osoby żyje 1000 bakterii, w tym 10 bakterii gatunku „czerwonego” i 20 bakterii gatunku „niebieskiego”. W takim przypadku można powiedzieć, że czerwone bakterie stanowią 2% mikrobiomu, a niebieskie 5%. U osoby chorej możemy zaobserwować, że czerwone bakterie stanowią już 4%, co sugeruje, że mogą być one powiązane z chorobą.
Jednakże analizowanie tylko składu mikrobiomu to nie wszystko. Ważnym aspektem jest także obciążenie mikrobiologiczne, czyli gęstość mikroorganizmów w jelitach. Określa się je poprzez liczbę komórek mikroorganizmów na gram kału. To miernik absolutny, co oznacza, że nawet jeśli procentowy udział bakterii się nie zmienia, ich całkowita liczba może się różnić w zależności od stanu zdrowia jednostki. Na przykład, jeśli całkowita liczba bakterii spadnie do 500, może się okazać, że liczba czerwonych bakterii w ogóle się nie zmieniła, a jedynie liczba niebieskich bakterii zmalała.
Zastosowanie uczenia maszynowego w badaniach nad mikrobiomem
Suguru Nishijima, pierwszy autor badania i doktorant w grupie Borka, wyjaśnia: „Chcieliśmy opracować metodę, która nie wymaga dodatkowych eksperymentów do określenia obciążenia mikrobiologicznego”. Dzięki dostępowi do dużych zbiorów danych, zawierających zarówno skład mikrobiomu, jak i eksperymentalnie zmierzone obciążenie mikrobiologiczne, zespół badaczy postanowił stworzyć model uczenia maszynowego, który na podstawie danych o składzie mikrobiomu mógłby przewidzieć jego całkowitą liczbę.
Dane te pochodziły m.in. z projektów badawczych GALAXY/MicrobLiver oraz Metacardis, finansowanych przez Unię Europejską. Zebrano dane od ponad 3700 osób, co umożliwiło naukowcom przetestowanie modelu na szeroką skalę. Wyniki były obiecujące – model skutecznie przewidywał obciążenie mikrobiologiczne i potwierdzono jego dokładność za pomocą nowych danych, których wcześniej nie widział.
Zachęceni wynikami, badacze zastosowali swój model na próbie ponad 27 tysięcy osób, zebranych z 159 badań przeprowadzonych w 45 krajach. Odkryli, że wiele czynników może wpływać na liczbę mikroorganizmów w jelitach. Na przykład stany takie jak biegunka mogą obniżać liczbę mikroorganizmów, podczas gdy zaparcia mogą ją zwiększać. Co więcej, kobiety mają średnio wyższe obciążenie mikrobiologiczne niż mężczyźni, co może być związane z częstszym występowaniem zaparć u kobiet. Z kolei osoby młodsze mają zwykle mniej mikroorganizmów niż osoby starsze.
Nowe spojrzenie na mikrobiom i choroby
Badacze zauważyli również, że wiele gatunków mikroorganizmów, które wcześniej podejrzewano o związek z chorobami, mogło być bardziej związanych z wahaniami w ogólnej liczbie mikroorganizmów niż z samymi chorobami. Oznacza to, że to właśnie zmiany w obciążeniu mikrobiologicznym mogą prowadzić do przekształceń w mikrobiomie u pacjentów, a niekoniecznie sama choroba. Jednakże niektóre powiązania między chorobami a mikroorganizmami pozostały niezmienione, co potwierdza ich istotność.
Dzięki modelowi uczenia maszynowego opracowanemu przez grupę badawczą, naukowcy na całym świecie mogą teraz łatwiej uwzględniać ten kluczowy wskaźnik w przyszłych badaniach nad mikrobiomem jelitowym. Model jest dostępny za darmo i można go swobodnie testować oraz wykorzystywać.
Potencjalne zastosowania poza mikrobiomem jelitowym
Znaczenie tego odkrycia wykracza poza badania nad mikrobiomem jelitowym. Jak zauważa Peer Bork, lider grupy badawczej i dyrektor EMBL Heidelberg, wszystkie ekosystemy – nasze oceany, gleby, rzeki – są pełne mikroorganizmów, a zrozumienie tych mikrobiomów może dostarczyć cennych informacji, które pomogą chronić zdrowie naszej planety. Badanie pokazuje, że obciążenie mikrobiologiczne to kluczowy wskaźnik, który powinno się brać pod uwagę także w innych środowiskach.
To odkrycie z pewnością otwiera nowe drogi dla badań nad mikrobiomem, nie tylko w kontekście ludzkiego zdrowia, ale również w ochronie środowiska.
