炎症性腸疾患や結腸直腸がんなど、細菌に関連する病気の多くは、悪者であると考えられている腸内細菌の過剰増殖に関連しています。しかし、研究者らが機械学習アルゴリズムを使用して、腸内マイクロバイオームから微生物負荷と呼ばれる微生物の密度を予測したところ、病気ではなく微生物負荷の変化が、疾患に関連する微生物の存在の背後にある要因である可能性があることがわかりました。種。
研究者らは2024年11月13日、Cell Pressジャーナルに報告した。 細胞 患者の微生物量の違いは、年齢、性別、食事、原産国、抗生物質の使用などのさまざまな要因によって影響を受けることが判明しており、疾患患者であっても、糞便サンプル中の細菌の特徴の重要な要因であることが判明した。
微生物負荷はマイクロバイオーム研究における重要な要素として長い間認識されてきましたが、実験方法は高コストで労働集約的な性質があるため、大規模な分析はほとんど制限されており、研究者らは機械学習アプローチでこの問題を克服しました。彼らは、相対的なマイクロバイオーム組成に基づいて糞便微生物量の予測モデルを開発し、それを大規模なメタゲノム データセットに適用して、健康と病気におけるその変動を調査しました。
「糞便サンプル中の微生物量の測定には多大な労力がかかりますが、微生物量が実験的に測定された 2 つの大規模なメタゲノム データセットにアクセスできてうれしかったです」と、同じく EMBL でこの研究のもう一人の上級著者である Michael Kuhn 氏は述べています。 「私たちのアプローチでは、より大きな分野の利益のためにこれらのデータを一般化したいと考えています。また、私たちが提供するツールを使用すると、すべての成人の腸内マイクロバイオーム研究で微生物量を予測できます。」
チームはこの作業には限界があることを認めています。分析は関連性のみに基づいていたため、因果関係の明確な方向性を確立できず、メカニズム的な洞察も提供できませんでした。さらに、開発された方法はヒトの腸内マイクロバイオームにのみ適用されます。他の生息地における微生物負荷を予測するには、異なるトレーニング データセットが必要です。
今後の研究は、微生物負荷とは無関係に、疾患とより直接的に関連する微生物種に焦点を当て、疾患の病因におけるそれらの役割とバイオマーカーとしての潜在的な使用をより深く理解する予定です。さらに、この予測モデルを海洋や土壌のマイクロバイオームなどの他の環境に適用すると、地球規模での微生物の生態についてのさらなる洞察が得られる可能性があります。
#私たちは腸内細菌と病気の関連性を過大評価している可能性があることが機械学習の研究で判明