基于机器学习的元分析揭示了与帕金森病相关的肠道微生物组变化

科学领域:

• 微生物组研究的研究.
• 神经退行性疾病的神经退行性疾病
• 机器学习应用程序 机器学习应用程序

背景情况:

• 人们对肠道微生物群对于帕金森病 (PD) 诊断和治疗越来越感兴趣.
• 缺乏对PD相关微生物组特征及其在研究中的诊断价值的共识.
• 需要对PD肠道微生物组进行大规模的多项研究评估.

研究的目的:

• 进行PD微生物组研究的大规模机器学习元分析.
• 评估PD微生物组特征的概括性和诊断准确性.
• 确定与PD相关的微生物途径及其在疾病发病过程中的作用.

主要方法:

• 来自PD患者和对照组的4489个肠道微生物样本的机器学习元分析.
• 基于微生物组的分类模型的开发和验证.
• 枪支元基因组分析以确定与PD相关的微生物途径.

主要成果:

• 微生物组模型在单个研究中获得了良好的准确性 (AUC 71.9%),但在研究中普遍性较差 (AUC 61%).
• 多数据集训练提高了模型的概括性 (LOSO AUC 68%) 和疾病特异性.
• 在PD中观察到的溶剂和农药生物转化微生物通路的丰富,可能将环境暴露与疾病风险联系起来.

结论:

• 肠道微生物组具有对帕金森病的诊断潜力,但强大的模型需要多项研究数据.
• 肠道微生物通路可能会影响PD的发病过程,并与环境风险因素相互作用.
• 这一全面的分析为PD肠道微生物组的诊断和功能作用提供了参考.