机器学习根据人口肠道微生物群的特征来确定阿尔茨海默病的发病率

科学领域:

• 微生物学 微生物学
• 神经科学是一个神经科学.
• 计算生物学 计算生物学

背景情况:

• 人类微生物群,特别是肠道微生物群,在宿主健康中发挥作用,并与神经退行性疾病有关.
• 肠道微生物组的改变被假设会影响大脑的微质细胞,可能有助于阿尔茨海默病的发病.
• 肠道微生物组合的种群水平变化可能与全球不同的阿尔茨海默病发病率有关.

研究的目的:

• 调查人口层面的肠道微生物群差异是否可以预测阿尔茨海默病发病率.
• 识别与不同国家的高或低阿尔茨海默病发病率相关的特定微生物种群.
• 应用机器学习来评估微生物组资料对阿尔茨海默病率的预测能力.

主要方法:

• 对两个大型,开放式的人类微生物组数据集 (n=959和n=2012) 的横截面分析.
• 根据阿尔茨海默病发病率对国家进行分组,并比较肠道微生物群的多样性和个人资料.
• 使用对方差和机器学习 (预测建模) 的顺序分析.

主要成果:

• 高阿尔茨海默病发病率的国家表现出明显较低的肠道微生物群多样性 (P < 0.05).
• 在高和低阿尔茨海默病发病率国家之间观察到微生物组概况的显著差异 (PERMANOVA,P < 0.05).
• 埃舍里希亚大肠杆菌 (物种),海莫菲勒斯和阿克克曼西亚 (属) 被确定为可重复保护的种群. 机器学习模型以高准确度预测了阿尔茨海默病的发生率 (AUC 0.889和0.927).

结论:

• 肠道微生物组的组成和多样性与阿尔茨海默病发病率在人口层面的变化有关.
• 特定的微生物物种和属显示出作为抗阿尔茨海默病保护因素的潜力.
• 肠道微生物组是人口层面的神经退行的一个重要因素,具有对阿尔茨海默病的预测能力.