在小鼠和人类中接受者独立的,高精度的FMT反应预测和优化

科学领域:

• 微生物组研究的研究.
• 免疫学 免疫学 免疫学
• 遗传学 是一个遗传学.

背景情况:

• 某些肠道微生物组成与不良健康状况,如肥胖和过敏有关.
• 微生物群操纵,包括便微生物群移植 (FMT),可以恢复健康的肠道社区.
• 目前的FMT供体选择依赖于表型,而不是预测的受体结果或微生物组合.

研究的目的:

• 开发一种算法,用于识别理想的FMT捐赠者,并仅使用捐赠者微生物组数据预测移植结果.
• 展示如何优化FMT以达到特定的健康目标.
• 为了使"现成"应用程序的接收者独立的FMT选择.

主要方法:

• 开发一种利用捐赠者微生物组概况和人口统计数据的预测算法.
• 通过在小鼠和人类接受者身上进行新的FMT实验来验证算法.
• 将预测因子与生成性遗传算法 (GA) 集成,以设计优化的微生物尾酒.

主要成果:

• 该算法准确地预测受体移植后的状况,包括移植成功和临床结果,仅使用捐赠者的微生物组数据.
• 证明了FMT优化,显示了实现所需微生物组状态和临床益处的能力.
• 发现有限数量的微生物种群足以成功实现FMT结局.

结论:

• 基于算法的方法可以预测FMT的成功,并优化捐赠者选择或微生物尾酒设计.
• 在小鼠和人类模型中显示了受体独立的,优化的FMT (来自理想的捐赠者或培养微生物) 的可行性.
• 这项工作为标准化和更有效的FMT疗法铺平了道路.