Estratificación de la microbiota intestinal neonatal e identificación de subgrupos microbianos asociados a AGCC...

Sus antecedentes:

• El microbioma intestinal neonatal es crucial para la salud infantil, influyendo en ella a través de la producción de ácidos grasos de cadena corta (AGCC).
• La organización precisa de las comunidades microbianas productoras de AGCC en neonatos no se comprende bien.
• La comprensión de estas comunidades es vital para las intervenciones de salud en la primera infancia.

Objetivo del estudio:

• Clasificar subgrupos microbianos distintos dentro del microbioma intestinal neonatal asociados con la producción de AGCC.
• Caracterizar la composición y el potencial metabólico de estos subgrupos productores de AGCC.
• Evaluar modelos de aprendizaje automático para predecir clústeres microbianos asociados a AGCC.

Principales métodos:

• Se reclutaron 71 pares madre-hijo, recolectando muestras de meconio para secuenciación del gen 16S rRNA microbiano y cuantificación de AGCC.
• Se aplicaron algoritmos de agrupamiento no supervisado (K-Means, Aglomerativo, Espectral, Modelo de Mezcla Gaussiana) para identificar subgrupos microbianos.
• Se utilizaron modelos de bosque aleatorio y regresión logística con curvas ROC para clasificar clústeres asociados a AGCC.

Principales resultados:

• El agrupamiento aglomerativo identificó subgrupos distintos productores de AGCC, con el Clúster 1 enriquecido en *Bacteroides*, *Prevotella* y *Enterococcus* mostrando mayores AGCC.
• Un tercer clúster reveló un perfil metabólico intermedio, sugiriendo un continuo funcional.
• Los modelos de bosque aleatorio demostraron alta precisión (hasta 92,98%) en la clasificación de clústeres microbianos asociados a AGCC.

Conclusiones:

• El agrupamiento no supervisado y el aprendizaje automático predicen eficazmente subgrupos microbianos asociados a AGCC en neonatos.
• Este enfoque proporciona información sobre la salud metabólica temprana y la organización de la comunidad microbiana.
• La investigación futura puede aprovechar estos métodos para el seguimiento longitudinal y la integración genómica funcional.