主题模型用于人类肠道微生物组的多组合集成,以及对自闭症的影响

科学领域:

• 微生物组研究的研究.
• 计算生物学是一种计算生物学.
• 神经科学是一个神经科学.

背景情况:

• 健康的肠道微生物对人类健康至关重要,但由于分析技术的局限性,微生物过程往往不太了解.
• 多原子分析提供了一种方法来定义可概括的微生物过程,特别是对于像自闭症这样的复杂疾病.
• 整合来自多种分析方法的异质数据存在挑战,但隐性迪里克莱特分配 (LDA) 可以克服这些挑战.

研究的目的:

• 将隐性迪里克莱特分配 (LDA) 应用于自闭症和没有自闭症儿童的多原子微生物数据.
• 为了确定微生物过程 (主题) 和相关的代谢物,这些组之间有所不同.
• 在不同的分析方法中定义可概括的微生物过程.

主要方法:

• 应用隐性迪里克莱特分配 (LDA) 对81名儿童的多原子微生物数据 (16S rRNA amplicon,shotgun metagenomic,shotgun metatranscriptomic和非目标代谢概况) 进行了研究.
• 确定了代表微生物过程的主题,并按主题分布分组样本.
• 分析了自闭症和没有自闭症儿童之间的代谢物,特别是神经递质前体和脂肪酸衍生物的差异.

主要成果:

• 在肠道微生物组中识别了与饮食相关的微生物过程 (主题).
• 在患有自闭症和没有自闭症的儿童之间发现了特定代谢物 (神经递质前体,脂肪酸衍生物) 的显著差异.
• 确定了代表可普遍化微生物过程的"跨体主题",可在不同的分析方法中观察到.

结论:

• 隐性迪里克莱特分配 (LDA) 是有效的整合多组微生物数据,以识别与饮食相关的微生物过程.
• 肠道微生物群中的特定微生物过程和代谢物与儿童自闭症有关.
• 该研究提供了一个框架,用于理解使用计算方法在自闭症中复杂的宿主微生物群相互作用.