【Science子刊】肠道微生物组作为“健康指南针”——新模型以80%的确定性预测慢性肝病
导读 | 全球高达25%的人群受到非酒精性脂肪性肝病(NAFLD)的影响,在这种疾病中,肝脏中形成的脂肪细胞量增加。它是世界工业化国家最常见的慢性肝病,与酒精性脂肪肝不同,它不是由大量饮酒引起的。在一些人中,未检测到的NAFLD可导致肝脏瘢痕、肝癌或肝衰竭。近期研究开发出一种模型,可以根据微生物组预测谁将来会患上NAFLD,确定性为80%。 |
人体微生物组可以提供关于非酒精性脂肪性肝病(NAFLD)风险的信息。这是由莱布尼茨天然产物和感染生物学研究所-Hans Knöll研究所领导的国际团队发现的。研究人员开发出一种模型,可以根据肠道中的微生物组成来预测可能的病程。该研究“Risk assessment with gut microbiome and metabolite markers in NAFLD development”发表在《Science Translational Medicine》上。
https://www.science.org/doi/10.1126/scitranslmed.abk0855
在一项长期研究中,由莱布尼茨HKI系统生物学和生物信息学研究组长Gianni Panagiotou领导的一个国际研究团队分析了1200名最初无NAFLD人群的粪便和血液样本。“已经证明,人类肠道中的微生物有助于NAFLD的发生。我们想弄清楚一个健康人的微生物组是否可以预测他们未来是否会患NAFLD,”Panagiotou解释说。
四年后对受试者进行复查时发现,其中90人此后发展为NAFLD。将这些患者的样本与对照组90例在基线或随访时无NAFLD的患者进行比较。“使用不同的方法,我们能够在我们四年前采集的样本中发现非常细微的差异,”第一作者Howell Leung解释说。“有了这些数据,我们能够开发出一个模型,可以根据微生物组预测谁将来会患上NAFLD,确定性为80%。”
目前,有临床模型利用血液中的生化指标做出预测,准确率为60%。Panagiotou说:“我们开发的模型将血液中容易测量的信息与微生物组的数据相结合,从而可以大大增加可靠性。”
通过机器学习进行疾病预测
研究团队开发了一种机器学习模型,经过训练可以识别一组数据中的特定模式。然后该模型可以利用这些模式来分析新的数据集,在这种情况下,预测可能的NAFLD。“由于数据的复杂性,开发模型的整个过程花了三年多时间。然而,最终我们是成功的,能够为预测NAFLD创造一个有用的工具,”Panagiotou说。
晚期NAFLD是不可逆的,在最坏的情况下甚至可导致肝癌。因此,必须早期识别已经有前兆或特别处于风险中的人,以便能够对抗这种疾病。“NAFLD是一种无声的疾病。这意味着在大多数情况下,它是无症状的,通常只被偶然发现,”Gianni Panagiotou解释说。德国人患NAFLD的人数估计约为1200万。原有2型糖尿病、肥胖、高血压或血脂异常等病症的人尤其容易患上脂肪肝。
可能的应用和后续步骤
利用他们的机器学习模型,研究人员已经能够将他们的结果与来自美国和欧洲的患者数据进行比较,从而验证他们的结果。下一步,Panagiotou计划在全球范围内进行研究,并利用人工智能将更大的数据集整合到研究中。
Panagiotou说:“我认为基于微生物的诊断方法将在未来十年进入临床实践,并具有巨大潜力。”早期治疗NAFLD的危险因素,如2型糖尿病、高血压和肥胖,可以阻止疾病的发展。因此,早期预测是预防该病的唯一方法。(转化医学网360zhyx.com)
参考资料:
https://medicalxpress.com/news/2022-06-gut-microbiome-health-compass.html
注:本文旨在介绍医学研究进展,不能作为治疗方案参考。如需获得健康指导,请至正规医院就诊。
还没有人评论,赶快抢个沙发