通过机器学习识别的大型抑郁症中肠道微生物群-大脑轴的变化

科学领域:

• 微生物组研究的研究.
• 肠-大脑轴 肠-大脑轴
• 在健康方面的人工智能.

背景情况:

• 大型抑郁症 (MDD) 是一种复杂的疾病,受到生物,生态和社会因素的影响.
• 肠-大脑轴是理解MDD的关键领域,它将肠道微生物群,饮食和环境联系起来.
• 统计和人工智能 (AI) 工具正在推动这一领域的研究.

研究的目的:

• 使用人工智能识别MDD的潜在肠道微生物生物标志物.
• 分析美国肠道项目 (AGP) 的数据,以发现MDD患者和对照人群之间的肠道微生物群的差异.
• 探索机器学习 (ML) 在MDD生物标志物发现中的实用性.

主要方法:

• 来自美国肠道项目 (AGP) 的361个对照和23个MDD样本的分析.
• 差异丰富工具和机器学习模型的应用 (随机森林,XGBoost).
• 使用Shapley添加式解释 (SHAP) 值来解释ML模型结果.

主要成果:

• 除了年龄之外,在各组之间没有发现alpha和beta多样性的显著差异.
• 机器学习模型始终在MDD样本中发现Bifidobacterium adolescentis的减少.
• 在MDD样本中始终检测到Odoribacter,Ruminococcus和Adlercreutzia的增加.

结论:

• 青少年双杆菌,臭菌,鲁米诺古克和阿德勒克鲁齐亚显示出作为MDD生物标志物的潜力.
• 这些微生物影响炎症,神经递质平衡和肠道透性,这些都是与抑郁相关的途径.
• ML在解码肠-大脑轴方面表现有前途,有助于发现生物标志物和个性化MDD治疗.