機械学習による食品の健康効果のヒト微生物ベースの予測

科学分野:

• 微生物学
• コンピュータ生物学
• 栄養学

背景:

• 食品の機能性は腸内微生物とその代謝副産物によって影響されます.
• 食品と微生物と病気の相互作用を理解することは 健康と病気の予防に不可欠です

研究 の 目的:

• 微生物と代謝データを基に食品の機能性を予測するための機械学習 (ML) 方法を開発する.
• 食物,病気,および関係する微生物との潜在的な関連を特定する.

主な方法:

• 70478種類の食品化合物と24255種類の代謝物の化学性質を分析するためにMLを使用した.
• 疾患関連経路における代謝産物と標的タンパク質の相互作用を調べた.
• 微生物の関与を考慮した94"種類の食品と83種類の病気に関する統合データ

主要な成果:

• 941の食品と83の疾患との潜在的機能的関連が特定されました.
• 特定の微生物群 (例えば,脂質不全症におけるバクテロイド,パーキンソン病におけるフィルミクテス) を強調する.
• 微生物による食品効果の食品タイプによる分類が実証されている.

結論:

• MLアプローチは,病気に関連した微生物と prebiotic食品を特定することができます.
• この方法は,微生物の代謝物による食物疾患の相互作用メカニズムについての洞察を提供します.
• 予防医学における食物介入の可能性を 支持しています