Microbiome può predire l'età cronologica di una persona

I nostri microbiomes - le comunità complesse dei microbi in cui viva, su ed intorno noi - sono influenzati dalle nostri diete, abitudini, ambienti e geni e sono conosciuti per cambiare con l'età. A sua volta, il trucco dei nostri microbiomes, specialmente nell'intestino, è incontestato per la sua influenza sulla nostra salubrità. Per esempio, la composizione nel microbiome dell'intestino è stata collegata alla malattia di viscere infiammatoria, la malattia autoimmune, l'obesità, anche disordini neurologici, quale autismo.

Dato un campione del microbiome (interfaccia, bocca o tampone fecale), i ricercatori li hanno dimostrato possono ora usare l'apprendimento automatico per predire l'età cronologica di una persona, con i vari livelli di accuratezza. I campioni dell'interfaccia hanno fornito la previsione più accurata, stimante correttamente in circa 3,8 anni, rispetto a 4,5 anni ad un campione orale e a 11,5 anni ad un campione fecale. I tipi di microbi che vivono nella cavità orale o all'interno dell'intestino dei giovani (anni di età 18 - 30) hanno teso ad essere più diversi ed abbondanti che nei microbiomes comparativi degli adulti più anziani (età 60 anni e più vecchi).

Lo strumento premonitore, descritto in un 11 febbraio 2020 pubblicato documento dai mSystems, è stato sviluppato come collaborazione fra i ricercatori all'università di California San Diego e IBM.

“Questa nuova capacità di correlare i microbi con l'età ci aiuterà studi futuri di avanzamento dei microbi di ruoli a giocare nelle malattie trattate e relative all'età di invecchiamento e che permette che noi miglioriamo la prova gli interventi terapeutici potenziali che mirano ai microbiomes,„ hanno detto l'autore Zhenjiang co-senior Zech Xu, PhD, che era ai tempi dello studio un ricercatore postdottorale nel laboratorio della scuola di medicina di Uc San Diego del cavaliere co-senior, del PhD, di professore e di Direttore di Rob autore del centro di Uc San Diego per l'innovazione di Microbiome.

Lo scopo finale del gruppo è di creare i simili modelli di apprendimento automatico al microbiome di componente ed ai termini clinici, quale infiammazione nei termini autoimmuni. Questo approccio potrebbe qualche giorno costituire la base per ad una prova basata microbiome non invadente che potenzialmente aiuta meglio i clinici a diagnosticare o valutare il rischio di una persona per una malattia.

In uno studio 2014, i ricercatori dell'università di Washington hanno confrontato “l'età microbica„ -; età come preveduto dal microbiome fecale -; ed età cronologica reale nel contesto degli infanti senza alimenti durante i primi mesi di vita. I ricercatori hanno notato che la differenza fra l'età cronologica e microbica è stata associata con la laurea della scadenza inerente allo sviluppo dei bambini. Nel nuovo studio, i ricercatori di Uc San Diego hanno intrapreso a questa idea un'azione più ulteriormente vedere se questa associazione potesse applicarsi agli adulti e come ha generalizzato ad altre parti del corpo.

Secondo Xu, uno dei requisiti più importanti di buon modello statistico è una grande dimensione del campione e una popolazione rappresentativa. Per fare quello, i ricercatori hanno estratto il microbiome che ordina i dati disponibili dai database pubblici di parecchi progetti di scienza del cittadino, quale il progetto americano dell'intestino, in cui la posta dei partecipanti in tamponi fecali, della saliva o dell'interfaccia, riceve le loro letture personali del microbiome e forniscono i loro dati anonymized in comunità scientifica.

Lo studio ha contato su complessivamente 4.434 campioni fecali dagli Stati Uniti e la Cina, 2.550 campioni della saliva dagli Stati Uniti, il Canada, il Regno Unito e la Tanzania e 1.975 campioni dell'interfaccia dagli Stati Uniti e dal Regno Unito. I partecipanti di cui i dati sono stati utilizzati nello studio hanno variato nell'età da 18 a 90 anni, con gli indici di massa corporea di 18,5 - 30, non hanno avuti la malattia o diabete di viscere infiammatoria e non avevano usato gli antibiotici per almeno un mese prima della campionatura. Lo studio egualmente ha escluso incinto, ha ospedalizzato, reso non valido o persone criticamente malate.

“Questa era l'indagine più completa su microbiome ed età fin qui,„ ha detto primo Shi Huang autore, PhD, un ricercatore postdottorale nel laboratorio del cavaliere ed il centro di Uc San Diego per l'innovazione di Microbiome.

Il gruppo non ha trovato le differenze genere-specifiche nei risultati del microbiome dell'intestino, ma differenza fra i maschi e le femmine quando è venuto ai risultati dell'interfaccia ed orali del microbiome. Malgrado la diversità dei microbi che vivono sui siti differenti attraverso il corpo umano, egualmente non ha fatto differenza se l'interfaccia campiona era stata raccolta dalle fronti o le mani, significanti gli studi futuri del microbiome dell'interfaccia possono amplificare la loro potenza statistica combinando i siti ed i generi della raccolta.

Una ragione potenziale i microbi che vivono sul nostro cambiamento di interfaccia poichè invecchiamo, i ricercatori hanno detto, è così coerente dovuto i cambiamenti prevedibili in fisiologia dell'interfaccia che ognuna avverte, quali produzione in diminuzione del siero e siccità aumentata.

“L'accuratezza dei nostri risultati dimostra il potenziale per applicare l'apprendimento automatico e tecniche di intelligenza artificiale per capire meglio i microbiomes umani,„ ha detto il co-author Kim Noioso-Cheol, il PhD, il direttore del programma dell'intelligenza artificiale per il programma vivente sano, una collaborazione fra la ricerca di IBM ed Uc San Diego nell'ambito della rete di orizzonti di IBM AI. “Applicare questa tecnologia agli studi futuri del microbiome potrebbe contribuire ad aprire le comprensioni più profonde nella correlazione fra come i microbiomes influenzano la nostra salubrità globale ed una vasta gamma di malattie e di disordini da neurologico a salubrità cardiovascolare ed immune.„

Secondo il co-author Yoshiki Vázquez-Baeza, il PhD, direttore associato di integrazione bioinformatic al centro di Uc San Diego per l'innovazione di Microbiome, previsione dell'età è un metodo particolarmente attraente per la formazione dei modelli premonitori perché i partecipanti non devono rispondere ai criteri speciali per diventare un donatore del campione e valutare l'età non richiede tipicamente una visita ad un ospedale.

Altri studi che mettono a fuoco su uno stato particolare, quale la malattia di viscere infiammatoria, lotta per ottenere spesso abbastanza partecipanti che rispondono ai criteri di studio e che sono disposti a partecipare per potere trarre le conclusioni significative. Ma qui, l'ampia applicabilità della età-previsione ha permesso che noi esplorassimo i limiti di modellistica microbica ad un disgaggio senza precedenti.„

Yoshiki Vázquez-Baeza, PhD, direttore associato di integrazione bioinformatic al centro di Uc San Diego per l'innovazione di Microbiome

“Imparare come creare ai i modelli basati microbiome accurati e robusti aprirà la porta ad una serie di applicazioni biotecnologiche e ci aiuta meglio a capire la relazione dei batteri sicuri con i risultati di interesse,„ Knight ha detto.

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.