STUDIU. Integrarea datelor despre microbiom şi metabolom crește acuratețea evaluării riscului de boli precum diabetul zaharat sau bolile inflamatorii intestinale

  • Medicina digitală



Apariția anumitor boli ar putea fi anticipată integrând datele despre microbiomul şi metabolomul unei persoane, cu ajutorul inteligenţei artificiale (AI), conform unui studiu desfăşurat în cadrul Penn State College of Medicine şi University of Texas Southwestern Medical Center. Metoda utilizată pentru modelare se numeşte MB-SupCon (Microbiome-based Supervised Contrastive Learning Framework) şi a oferit informaţii cu o acurateţe ridicată despre riscul de diabet zaharat de tip 2 şi bolile inflamatorii intestinale. Rezultatele studiului au fost publicate în Journal of Molecular Biology.

„Abordările non-invazive, bazate pe deep learning, au un potenţial enorm de a îmbunătăţi diagnosticul şi predicţia riscului pentru bolile umane. Combinate cu tehnologiile de secvenţierea ADN-ului, oferă o abordare cost-eficientă care identifică pacienţii la risc şi accelerează implementarea medicinei de precizie, a declarat Prof. Dajiang Liu, autor al studiului şi director interimar al iniţiativei AI din cadrul Penn State College of Medicine, în comunicatul de presă emis de universitate.

Sursa foto: Unsplash
  • Microbiomul uman este alcătuit dintr-o multitudine de microorganisme care se localizează pe suprafaţa şi în interiorul organismului. Microbiomul intestinal prezintă o varietate și cantitate impresionantă de tipuri de microorganisme, care interacţionează fizic şi funcţional cu celulele umane, influenţând diverse procese fiziologice şi patologice ale gazdei.
  • Metabolomul reprezintă setul de molecule mici dintr-o celulă, un ţesut sau un organism, fiind un rezultat al interacţiunilor complexe dintre genom, transcriptom, proteom şi mediul înconjurător.

Compoziția microbiomului şi funcţionalitate sa pot fi alterate prin diverse metode (alimentaţie, pre- şi probiotice, antibiotice etc.). Investigarea implicării sale în apariţia bolilor umane poate avea importante implicaţii terapeutice. De asemenea, analiza microbiomului poate fi realizată prin metode neinvazive, ceea ce facilitează potenţialele aplicaţii clinice.

abonare

Au fost propuse diverse metode care utilizează inteligenţa artificială pentru a prezice apariţia bolilor cu ajutorul datelor despre microbiom, care au oferit rezultate relevante, însă ştiinţele multiomice (metabolom, transcriptom, genom, proteom) oferă informaţii detaliate despre procesele moleculare, care îmbunătăţesc precizia acestor predicţii. Până în prezent, această abordare a fost limitată de costurile asociate.

Pentru a valida modelul MB-SupCon, au fost utilizate datele generate în alte două studii despre microbiomul şi metabolomul unor pacienţi. Din primul studiu, au fost utilizate datele despre microbiom şi metabolom provenite de la 720 de probe colectate pe o perioadă de 4 ani de la pacienţi cu prediabet. Pentru a obţine informaţii despre microbiom (prin secvenţierea ARN-ului ribozomal 16S), au fost utilizate probe de scaun, iar metabolomul a fost determinat din probe de sânge. Al doilea studiu a analizat datele despre microbiom şi metabolom la pacienţii cu boli inflamatorii intestinale.

Cu ajutorul MB-SupCon, au fost obţinute predicţii cu o acurateţe superioară metodelor care utilizează doar datele despre microbiom. Pacienţii cu rezistenţă la insulină au fost identificaţi corect cu o acurateţe de 84%, stabilirea sexului persoanelor de la care au provenit probele a fost realizată cu o precizie de 78%, iar acurateţea predicţiei rasei a fost de 80%. La pacienţii cu boli inflamatorii intestinale, rezultatele au fost similare.

Aceste rezultate indică o precizie ridicată a integrării mai multor tipuri de date pentru a aprecia riscul de boală cu ajutorul microbiomului, iar metoda ar putea fi inclusă în practica medicală în viitor. Aplicaţiile modelului MB-SupCon pot fi extinse în continuare pentru a integra date care provin din orice sursă “omică”, dar şi pentru realiza o analiză simultană pentru mai mult de două tipuri de seturi de date.

Citeşte şi: