婴儿微生物组的数字双胞胎,可以预测神经发育缺陷

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.
• 婴儿神经发育 婴儿神经发育

背景情况:

• 肠-大脑轴至关重要,但个体微生物群的变异使理解对婴儿神经发育的失生症影响变得复杂.
• 定义正常的微生物丰富度范围是具有挑战性的,因为自然的个人之间的差异.

研究的目的:

• 使用生成性人工智能开发婴儿微生物组动态的预测模型.
• 根据早期微生物组概况,评估未达到最佳神经发育结果的风险.
• 评估干预措施的潜在影响,如便微生物群移植.

主要方法:

• 利用了88名早产婴儿 (398个便样本) 的16S核糖体RNA测序数据.
• 开发了一个生成性AI模型 (Q-net) 来预测微生物丰富性轨迹.
• 验证了该模型对神经发育缺陷和生长结果的预测准确性.

主要成果:

• Q-net准确地预测了微生物丰富的动态 (R2 = 0.69).
• 该模型以高准确度确定了头周长生长不良的风险婴儿 (76%的AUC,95%的PPV在98%的特异性).
• 早期便微生物群移植可以减轻约45.2%的婴儿的风险.

结论:

• Q-nets提供了一种新的方法来模拟复杂的生态系统动态,特别是婴儿肠道微生物组.
• 这种人工智能驱动的工具可以个性化对神经发育结果的风险评估.
• 研究结果强调了有针对性的微生物干预措施的潜在好处,同时警告不适当补充.