Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Microbiome pode prever a idade cronológica de uma pessoa

Nossos microbiomes - as comunidades complexas dos micróbios em que viva, e em torno em nós - são influenciados por nossos dietas, hábitos, ambientes e genes, e sabidos para mudar com idade. Por sua vez, a composição de nossos microbiomes, particularmente no intestino, é incontestada para sua influência em nossa saúde. Por exemplo, a composição do microbiome do intestino foi ligada à doença de entranhas inflamatório, doença auto-imune, obesidade, mesmo desordens neurológicas, tais como o autismo.

Dado uma amostra do microbiome (pele, boca ou cotonete fecal), os pesquisadores têm-nos demonstrado podem agora usar a aprendizagem de máquina prever a idade cronológica de uma pessoa, com uns vários graus de precisão. As amostras da pele forneceram a previsão a mais exacta, calculando correctamente dentro de aproximadamente 3,8 anos, comparados a 4,5 anos com uma amostra oral e a 11,5 anos com uma amostra fecal. Os tipos de micróbios que vivem na cavidade oral ou dentro do intestino de jovens (idade 18 a 30 anos velha) tenderam a ser mais diversos e abundantes do que em microbiomes comparativos de uns adultos mais velhos (idade 60 anos e mais velhos).

A ferramenta com carácter de previsão, descrita em um 11 de fevereiro de 2020 publicado papel por mSystems, foi desenvolvida como uma colaboração entre pesquisadores na Universidade da California San Diego e IBM.

“Esta capacidade nova para correlacionar micróbios com a idade ajudar-nos-á os estudos futuros avançados dos micróbios dos papéis a jogar no processo do envelhecimento e nas doenças relativas à idade, e permite que nós melhorem o teste que as intervenções terapêuticas potenciais que visam microbiomes,” disseram autor Zhenjiang co-superior Zech Xu, o PhD, que era na altura do estudo um pesquisador pos-doctoral no laboratório da Faculdade de Medicina de Uc San Diego do cavaleiro co-superior de Roubo autor, do PhD, do professor e do director do centro de Uc San Diego para a inovação de Microbiome.

O objectivo último da equipe é criar modelos similares da aprendizagem de máquina ao microbiome da correlação e às condições clínicas, tais como a inflamação em condições auto-imunes. Esta aproximação poderia um dia formar a base para um teste microbiome-baseado não invasor que ajudasse potencial clínicos melhor a diagnosticar ou avaliar o risco de uma pessoa para uma doença.

Em um estudo 2014, os pesquisadores da universidade de Washington compararam “a idade microbiana” -; idade como previsto pelo microbiome fecal -; e idade cronológica real no contexto de infantes subnutridos durante os primeiros meses da vida. Os pesquisadores notaram que a diferença entre a idade cronológica e microbiana estêve associada com o grau da maturidade desenvolvente das crianças. No estudo novo, os pesquisadores de Uc San Diego tomaram a esta ideia uma etapa mais ver se esta associação poderia se aplicar aos adultos, e como bom generalizou a outros locais do corpo.

De acordo com Xu, uma das exigências as mais importantes para um bom modelo estatístico é um grande tamanho da amostra e uma população representativa. Para fazer aquele, os pesquisadores minaram o microbiome que arranja em seqüência os dados disponíveis das bases de dados públicas de diversos projectos da ciência do cidadão, tais como o projecto americano do intestino, em que o correio dos participantes em fecal, na saliva ou nos cotonetes da pele, recebe seus readouts personalizados do microbiome, e contribuem seus dados anonymized à comunidade científica.

O estudo confiou em um total de 4.434 amostras fecais dos E.U. e a China, 2.550 amostras da saliva dos E.U., Canadá, Reino Unido e Tanzânia, e 1.975 amostras da pele dos E.U. e do Reino Unido. Os participantes cujos os dados foram usados no estudo variaram na idade de 18 a 90 anos velho, com índices de massa corporais de 18,5 a 30, não tiveram a doença ou o diabetes de entranhas inflamatório, e não tinham usado antibióticos no mínimo um mês antes da amostra. O estudo igualmente excluiu grávido, hospitalizou-o, enfermos ou indivíduos crìtica doentes.

“Esta era a investigação a mais detalhada do microbiome e idade até agora,” disse primeiro Shi Huang autor, PhD, um pesquisador pos-doctoral no laboratório do cavaleiro e o centro de Uc San Diego para a inovação de Microbiome.

A equipe não encontrou diferenças género-específicas em resultados do microbiome do intestino, mas nenhuma diferença entre homens e fêmeas quando veio aos resultados orais e da pele do microbiome. Apesar da diversidade dos micróbios que vivem em locais diferentes através do corpo humano, igualmente não fez nenhuma diferença se a pele prova tinha sido recolhida das testas ou as mãos, significando os estudos futuros do microbiome da pele podem impulsionar sua potência estatística combinando locais e géneros da coleção.

Uma razão potencial os micróbios que vivem em nossa mudança de pele tão consistentemente como nós envelhecemos, os pesquisadores disseram, são devido às mudanças predizíveis na fisiologia da pele que todos experimenta, como a produção diminuída do soro e a seca aumentada.

“A precisão de nossos resultados demonstra o potencial para aplicar a aprendizagem de máquina e as técnicas da inteligência artificial para compreender melhor microbiomes humanos,” disse o co-autor ho-Cheol Kim, PhD, director de programa da inteligência artificial para o programa vivo saudável, uma colaboração entre a pesquisa do IBM e Uc San Diego sob a rede dos horizontes do IBM AI. “Aplicar esta tecnologia aos estudos futuros do microbiome poderia ajudar a destravar umas introspecções mais profundas na correlação entre como os microbiomes influenciam nossa saúde total e uma vasta gama de doenças e de desordens de neurológico à saúde cardiovascular e imune.”

De acordo com o co-autor Yoshiki Vázquez-Baeza, PhD, director adjunto da integração bioinformatic no centro de Uc San Diego para a inovação de Microbiome, previsão da idade é um método particularmente atractivo para treinar modelos com carácter de previsão porque os participantes não precisam de encontrar critérios especiais a fim se transformar um doador da amostra, e avaliar a idade tipicamente não exige uma visita a um hospital.

Outros estudos que se centram sobre uma condição particular, tal como a doença de entranhas inflamatório, esforço para obter frequentemente bastante participantes que encontram os critérios do estudo e que são dispostos participar a fim poder tirar conclusões significativas. Mas aqui, a aplicabilidade larga da idade-previsão permitiu que nós explorassem os limites de modelagem microbiana em uma escala inaudita.”

Yoshiki Vázquez-Baeza, PhD, director adjunto da integração bioinformatic no centro de Uc San Diego para a inovação de Microbiome

“Aprender como criar modelos microbiome-baseados exactos e robustos abrirá a porta a um número de aplicações biotecnológicas, e ajuda-nos melhor a compreender o relacionamento de determinadas bactérias com resultados do interesse,” Cavaleiro disse.

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.