多発性硬化症における腸内微生物のシグネチャー:機械学習とグローバルデータ統合による症例対照研究

科学分野:

• 微生物群の研究
• 計算生物学
• 神経免疫学

背景:

• 腸内機能障害は多発性硬化症 (MS) と関連していますが,一貫した微生物バイオマーカーは欠けています.
• 機械学習 (ML) は,病気に関連するバイオマーカーを特定し,MSの病原性を理解するために微生物群データを統合することができます.
• MS患者の腸内微生物のシグネチャーは一貫していない.

研究 の 目的:

• MSに関連した特定の腸内微生物のサインを特定するために
• MS検出のための微生物群データを用いてMLモデルの診断可能性を評価する.
• 総合的な理解のために,既存の文献と発見を統合する.

主な方法:

• 29人のMS患者と27人の健康な対照群の糞便サンプルによる16S rRNA遺伝子配列解析
• 差異的多量分析と 29 件の研究データを統合した.
• MSに関連した微生物群のプロフィールを区別するための4つのMLモデルの開発と評価

主要な成果:

• MSの患者は,Eubacteriales,Lachnospirales,Oscillospiraceae,Lachnospiraceae,Parasutterella,およびFaecalibacteriumの豊富性が低下したことを示した.
• MS患者でLachnospiraceaeUCG- 008の増加が観察されました.
• ライト・グラデント・ブースティング・マシンの分類器は,多発性硬化症患者の差別化において高い性能 (精度: 0. 88,AUC- ROC: 0. 95) を達成した.

結論:

• この研究では,MS患者の特定の腸内微生物群の不活性化が見られました.
• MLモデルは,マイクロバイオームのプロファイルに基づいてMSの診断に重要な可能性を示しています.
• MSにおけるこれらの微生物の変化のメカニズム的役割と治療的影響を調査するためにさらなる研究が必要である.