Microbiome peut prévoir l'âge chronologique d'une personne

Nos microbiomes - les communautés complexes des microbes dans lesquels vivez, sur et autour de nous - sont influencés par nos régimes, habitudes, environnements et gènes, et sont connus pour changer avec l'âge. Consécutivement, le renivellement de nos microbiomes, en particulier dans l'intestin, bien-est décelé pour son influence sur notre santé. Par exemple, la composition de microbiome d'intestin a été liée à la maladie inflammatoire de l'intestin, maladie auto-immune, l'obésité, même troubles neurologiques, tels que l'autisme.

Donné un échantillon de microbiome (peau, bouche ou écouvillon fécal), chercheurs les ont expliqué peut maintenant employer l'apprentissage automatique pour prévoir l'âge chronologique d'une personne, avec des divers niveaux d'exactitude. Les échantillons de peau ont fourni à la prévision la plus précise, estimant correctement à dans un délai d'approximativement 3,8 ans, de comparé à 4,5 ans en échantillon oral et à 11,5 ans un échantillon fécal. Les types de microbes vivant dans la cavité buccale ou dans l'intestin des jeunes gens (des années d'âge 18 à 30) ont tendu à être plus divers et abondants que dans les microbiomes comparatifs des adultes plus âgés (âge 60 ans et plus vieux).

L'outil prévisionnel, décrit dans un publié de papier le 11 février 2020 par des mSystems, a été développé comme collaboration entre les chercheurs à l'Université de Californie San Diego et IBM.

« Cette capacité neuve de marquer des microbes avec l'âge nous aidera de futures études anticipées des microbes de rôles à jouer dans les maladies de processus de vieillissement et de lié à l'âge, et nous permet d'améliorer le test l'intervention thérapeutique que potentielle qui visent des microbiomes, » a indiqué le Co-sénior auteur Zhenjiang Zech Xu, le PhD, qui était au moment de l'étude un chercheur post-doctoral dans le laboratoire d'École de Médecine d'Uc San Diego du chevalier de Rob auteur de Co-sénior, du PhD, du professeur et du directeur du centre d'Uc San Diego pour l'innovation de Microbiome.

L'objectif ultime de l'équipe est de produire les modèles assimilés d'apprentissage automatique au microbiome et aux états cliniques de corrélation, tels que l'inflammation dans des conditions auto-immune. Cette approche pourrait un jour former la base pour un test basé sur microbiome non envahissant qui aide potentiellement des cliniciens mieux à diagnostiquer ou évaluer le risque d'une personne pour une maladie.

Dans une étude 2014, âge « microbien » de chercheurs d'université de Washington comparé - ; vieillissez comme prévu par le microbiome fécal - ; et âge chronologique réel dans le cadre des mineurs sous-alimentés pendant les premiers mois de la durée. Les chercheurs ont noté que la différence entre l'âge chronologique et microbien a été associée au degré de la maturité de développement des enfants. Dans l'étude neuve, les chercheurs d'Uc San Diego ont pris à cette idée une mesure davantage de voir si cette association pourrait s'appliquer aux adultes, et à quel point il généralisé à d'autres sites de fuselage.

Selon Xu, une des conditions les plus importantes pour un bon modèle statistique est une grande taille de l'échantillon et une population représentative. Pour faire cela, les chercheurs ont extrait le microbiome ordonnançant des caractéristiques fournies par les bases de données publiques de plusieurs projets de la science de citoyen, tels que le projet américain d'intestin, dans lequel le courrier de participants dans fécal, la salive ou des écouvillons de peau, reçoivent leurs lectures personnalisées de microbiome, et contribuent leurs caractéristiques anonymized à la communauté scientifique.

L'étude s'est fondée sur un total de 4.434 échantillons fécaux provenant des USA et la Chine, 2.550 échantillons de salive provenant des USA, le Canada, le R-U et la Tanzanie, et 1.975 échantillons de peau provenant des États-Unis et du R-U. Les participants dont les caractéristiques ont été employées dans l'étude se sont échelonnés dans l'âge de 18 à 90 années, avec des indices de masse corporelle de 18,5 à 30, n'ont pas eu la maladie inflammatoire de l'intestin ou le diabète, et n'avaient pas employé des antibiotiques pendant au moins un mois avant l'échantillonnage. L'étude a également exclu enceinte, l'a hospitalisé, des handicapés ou des personnes en critique mauvaises.

« C'était l'enquête la plus complète sur le microbiome et âge jusqu'à présent, » a dit le premier Shi Huang auteur, PhD, un chercheur post-doctoral dans le laboratoire du chevalier et le centre d'Uc San Diego pour l'innovation de Microbiome.

L'équipe n'a trouvé des différences de genre-détail dans des résultats de microbiome d'intestin, mais aucune différence entre les mâles et des femelles quand elle est venue aux résultats oraux et de peau de microbiome. En dépit de la diversité des microbes vivant sur différents sites en travers du corps humain, elle n'a également effectué aucune différence si la peau échantillonne avait été rassemblée des fronts ou les mains, signifiant de futures études de microbiome de peau peuvent amplifier leur puissance statistique en combinant des sites et des genres de ramassage.

Une raison potentielle les microbes vivant sur notre modification de peau tellement chronique car nous vieillissons, les chercheurs ont dit, sont due aux changements prévisibles de la physiologie de peau que chacun remarque, comme la production diminuée de sérum et la sécheresse accrue.

« L'exactitude de nos résultats expliquent le potentiel pour l'application de l'apprentissage automatique et des techniques d'artificial intelligence pour comprendre mieux les microbiomes humains, » a dit le co-auteur ho-Cheol Kim, PhD, directeur du programme de l'artificial intelligence pour le programme de vie saine, une collaboration entre la recherche d'IBM et Uc San Diego sous le réseau d'horizons d'IBM AI. La « application de cette technologie à de futures études de microbiome pourrait aider à débloquer des analyses plus profondes dans la corrélation entre la façon dont les microbiomes influencent notre santé générale et un large éventail de maladies et de troubles de neurologique à la santé cardiovasculaire et immunisée. »

Selon le co-auteur Yoshiki Vázquez-Baeza, PhD, directeur associé de l'intégration bioinformatic au centre d'Uc San Diego pour l'innovation de Microbiome, prévision d'âge est une méthode particulièrement attrayante pour former les modèles prévisionnels parce que les participants n'ont pas besoin de répondre à des critères spéciaux afin de devenir un donneur témoin, et l'évaluation de l'âge type n'exige pas une visite à un hôpital.

D'autres études qui se concentrent sur un état particulier, tel que la maladie inflammatoire de l'intestin, souvent lutte d'obtenir assez de participants qui répondent aux critères d'étude et qui sont disposés à participer afin de pouvoir tirer des conclusions signicatives. Mais ici, les possibilités d'application larges de l'âge-prévision nous ont permises d'explorer les limites de la modélisation microbienne à une écaille sans précédent. »

Yoshiki Vázquez-Baeza, PhD, directeur associé de l'intégration bioinformatic au centre d'Uc San Diego pour l'innovation de Microbiome

« Apprendre comment produire les modèles basés sur microbiome précis et robustes ouvrira la trappe à un certain nombre d'applications biotechnologiques, et nous aide mieux à comprendre la relation de certaines bactéries avec des résultats d'intérêt, » Knight a dit.

Source:
Journal reference:

Huang, S., et al. (2020) Human Skin, Oral, and Gut Microbiomes Predict Chronological Age. mSystems. doi.org/10.1128/mSystems.00630-19.