新しい研究では、高度な機械学習を通じて分析された腸内マイクロバイオームの特徴が、より重度のインスリン抵抗性を持つ個人を特定するのに役立ち、腸内毒素症と代謝機能不全の間の生物学的関連について新たな洞察を提供できることが示されています。
勉強： さまざまなインスリン抵抗性レベルにわたる 2 型糖尿病の腸内微生物叢の調査: 機械学習アプローチ。画像クレジット: カテリーナ・コン / シャッターストック
雑誌に掲載された最近の研究では 栄養学のフロンティア研究者らは、2型糖尿病（T2DM）の主な要因であるインスリン抵抗性（IR）と腸内マイクロバイオーム（GM）組成との関連を調査した。研究チームは、便由来の16SリボソームRNA（rRNA）遺伝子配列決定と116人の参加者から得た血液ベースの代謝マーカーを用いて機械学習（ML）モデルを訓練し、腸内細菌の特徴がインスリン抵抗性が上昇した個人と健康な対照者を区別できるかどうかを判定した。
この研究では、極端勾配ブースティング (XGBoost) モデルが、インスリン抵抗性がより高い個人と対照を中程度の精度で区別できることがわかりました。これらの発見は、特定の腸内細菌グループを標的とすることが、T2DM患者の代謝調節を改善するための将来の補助的介入戦略となる可能性があることを示唆しており、さらなる検証は保留中である。
2型糖尿病におけるインスリン抵抗性と腸内微生物叢
T2DM は持続的な高血糖を特徴とする慢性代謝性疾患であり、治療せずに放置すると心血管疾患やその他の重篤な代謝性合併症のリスクが大幅に増加します。 IR は、T2DM の主な病態生理学的要因として広く認識されています。これは、筋肉や肝臓などの末梢組織がインスリンに効果的に反応できず、炭水化物や脂質の代謝が混乱したときに発生します。
メトホルミンなどの薬物療法はこれらの代謝経路を標的としていますが、GM が優れた代替物ではなく、補完的な治療標的として機能する可能性があることを示唆する証拠が増えています。その結果、マイクロバイオームとインスリン抵抗性の相互作用を解明し、代謝機能障害に関連する主要な細菌群集を特定することを目的とした研究が増えています。
マイクロバイオーム データは本質的に高次元かつ複雑であるため、従来の計算アプローチを使用して、さまざまな IR 重症度に関連する特定の微生物を特定することが困難になります。 ML の進歩により、大規模でマルチモーダルなデータセットの統合と分析が可能になり、従来の統計手法では簡単に検出できないパターンが明らかになります。
研究デザイン: 16S rRNA シーケンスと ML ベースの分類
この研究には、臨床的に診断されたT2DM患者78名と健康な対照者38名を含む、中国成都からの116名の参加者が登録された。血液サンプルは代謝プロファイリングのために収集され、一方、便サンプルは腸内微生物叢の組成を特徴付けるために 16S rRNA 遺伝子配列決定を受けました。
代謝状態は、空腹時血糖 (FBG)、トリグリセリド (TG)、高密度リポタンパク質コレステロール (HDL-C) などの標準的な臨床バイオマーカーを使用して評価されました。インスリン抵抗性の直接測定は臨床的に困難であるため、研究者は IR 重症度を推定するために 4 つの検証済みの複合指数を計算しました。
- 血漿アテローム発生指数 (AIP)。
- インスリン抵抗性の代謝スコア (METS-IR)。
- トリグリセリド-グルコース指数 (TyG)。
- TyG-肥満指数 (TyG-BMI)。
XGBoost モデルは、腸内マイクロバイオームのシグネチャが対照と比較してインスリン抵抗性の高い個人を分類できるかどうかを判断するためにトレーニングされました。特徴重要性分析により、代謝機能障害と最も強く関連する細菌分類群が特定されました。
T2DM と対照の代謝の違い
肥満指数（BMI）は、T2DM 患者と対照の間で有意な差はありませんでしたが（25.48 対 24.84 kg/m2、p > 0.05）、実質的な代謝差が観察されました。 T2DM 患者は TG の上昇を示しました (2.60 対 1.49 mmol/L、p)
機械学習のパフォーマンスと AUC の結果
XGBoost モデルは、腸内マイクロバイオーム配列データのみを使用して重度のインスリン抵抗性を特定する中程度の能力を実証しました。 METS-IR ベースの分類器は、受信者動作特性曲線下面積 (AUC) 0.84 という最強のパフォーマンスを達成しました。有望ではあるものの、このレベルの識別は診断閾値を満たしていませんが、マイクロバイオームに基づいた代謝リスク層別化の実現可能性を裏付けています。
インスリン抵抗性に関連する微生物の変化
特徴重要性分析により、代謝機能不全に関連する明確な微生物の変化が明らかになりました。有益な短鎖脂肪酸を産生する細菌は、T2DM 患者では大幅に減少していました。たとえば、相対的に豊富なのは、 バクテロイデス 糖尿病患者では9.39%であったのに対し、対照では25.33%でした。
臨床的意味、限界、および将来の方向性
この研究は、インスリン抵抗性および代謝機能不全に関連する腸内マイクロバイオームの特徴を特定する際の ML モデルの潜在的な有用性を強調しています。特定の分類群、以下を含む フェカリバクテリウム そして エシェリヒア・赤ゲラ菌疾患の重症度に関連する微生物のサインとして機能する可能性があります。
制限には、断面デザイン、適度なサンプルサイズ、食事、薬物使用、ライフスタイル変数などの潜在的な交絡因子、および 16S rRNA シーケンスに固有の限られた分類学的解像度が含まれます。これらの制約にもかかわらず、今回の研究結果は、異なる腸内微生物叢のプロファイルが、T2DM に特徴的なインスリン抵抗性とグルコースおよび脂質代謝の混乱に関連していることを示しています。
因果関係を特定し、個別化されたプロバイオティクス、マイクロバイオームをターゲットとした食事戦略、またはその他のマイクロバイオームを調節する介入が、単独の治療ではなくT2DMの補助療法として機能するかどうかを評価するには、今後の縦断的研究と介入研究が必要であり、厳密な臨床検証が待たれます。
1771554997
#腸内細菌のパターンが2型糖尿病のインスリン抵抗性の予測に役立つことが研究で判明
2026-02-20 01:50:00