腸内細菌叢シグネチャを用いた双極性障害の診断ポテンシャルの機械学習ベースの評価

科学分野:

• マイクロバイオーム研究
• 精神疾患
• 計算生物学

背景:

• 双極性障害（BD）は、重大な認知的および社会的障害を伴う慢性疾患である。
• 腸内細菌叢-腸-脳軸は、BDの病態生理にますます関与している。
• BDの診断および治療戦略には、さらなる開発が必要である。

研究 の 目的:

• BD患者における腸内微生物叢の変化を調査する。
• 機械学習を用いた腸内細菌叢の診断ポテンシャルを評価する。
• BDの非侵襲的診断のための微生物バイオマーカーを特定する。

主な方法:

• 腸内細菌叢の組成と多様性を分析するための16S rRNAシーケンシング。
• ランダムフォレスト（RF）を含む機械学習アルゴリズムによる分類。
• 微生物経路の機能予測のためのPICRUSt2。
• 最適な微生物バイオマーカーを特定するための特徴選択方法。

主要な成果:

• BD患者では健常対照（HC）と比較してアルファ多様性の低下とベータ多様性の変化が観察された。
• RF分類器は、35の微生物バイオマーカーを使用して高い診断性能（AUC=0.9316）を達成した。
• 機能解析により、神経変性、脂質代謝、ヘム生合成における経路の変化が明らかになった。
• 組成および機能的特徴の組み合わせにより、診断精度がさらに向上した（AUC=0.9499）。

結論:

• BDにおける有意な組成および機能的腸内微生物叢の乱れが存在する。
• 機械学習ベースのマイクロバイオーム分析は、BDの非侵襲的診断のための有望なアプローチを提供する。
• 特定されたマーカーは、マイクロバイオーム-腸-脳軸に関する洞察を提供し、精密精神医学およびマイクロバイオーム標的介入を支持する。