Кишечная микрофлора оказывает значительное влияние на возникновение различных заболеваний. При этом ее численность и видовое разнообразие чрезвычайно велики, равно как и способы взаимодействия бактерий с биохимическими реакциями, протекающими в организме, и между собой. Ученые из Токийского университета впервые использовали особый вид искусственного интеллекта — байесовскую нейронную сеть — для анализа данных о кишечных бактериях, чтобы выявить взаимосвязи, которые не могли достоверно определить существующие аналитические инструменты. Работа опубликована в журнале Briefings in Bioinformatics.
Человеческое тело насчитывает около 30–40 триллионов клеток, однако в кишечнике обитает приблизительно 100 триллионов бактерий. Таким образом, клеток, не принадлежащих непосредственно человеку, в теле больше, чем собственных клеток самого человека. Пища для размышлений.
Кишечные бактерии, безусловно, играют роль в пищеварении, однако особенно поразительно их влияние на другие аспекты здоровья. Эти бактерии отличаются исключительным разнообразием и производят множество различных химических веществ, называемых метаболитами. Они функционируют как молекулярные сигнальные вещества, распространяясь по организму и оказывая воздействие на широкий спектр процессов – от иммунной системы и метаболизма до работы мозга и эмоционального состояния. Несомненно, изучение механизмов работы кишечной микрофлоры может оказаться весьма полезным.
«Мы находимся лишь в начале пути к пониманию того, какие бактерии отвечают за выработку конкретных метаболитов человека и как эти связи трансформируются при различных заболеваниях, — отмечает научный сотрудник проекта Тунг Данг с факультета биологических наук. Установление точных взаимосвязей между бактериями и химическими веществами открывает потенциал для создания персонализированных методов лечения. Например, возможно будет культивировать определенные бактерии для производства метаболитов, приносящих пользу человеку, или разрабатывать таргетную терапию, способную изменять метаболиты с целью лечения болезней».
Это звучит перспективно, но в чём же заключается сложность? Как уже говорилось ранее, существует огромное разнообразие бактерий и метаболитов, что обуславливает большое количество взаимосвязей между ними. Сбор данных — это сложная задача, однако анализ этих данных для выявления значимых закономерностей, указывающих на потенциально полезные функции, представляет ещё большую трудность. Данг и его коллеги решили рассмотреть возможности применения современных инструментов искусственного интеллекта.
«Наша система VBayesMM автоматически выделяет ключевых игроков, которые оказывают существенное влияние на метаболиты, на фоне множества менее значимых микробов, а также учитывает неопределённость прогнозируемых взаимосвязей, вместо того чтобы выдавать слишком уверенные, но потенциально неверные ответы, — сказал Данг. — При тестировании на реальных данных, полученных в ходе исследований нарушений сна, ожирения и рака, наш подход неизменно превосходил существующие методы и выявлял конкретные семейства бактерий, которые соответствуют известным биологическим процессам, что даёт уверенность в том, что система обнаруживает реальные биологические взаимосвязи, а не бессмысленные статистические закономерности».
Поскольку VBayesMM может работать с неопределёнными данными и сообщать о них, он даёт исследователям больше уверенности, чем другие инструменты. Несмотря на то, что система оптимизирована для выполнения сложных аналитических задач, обработка огромных массивов данных по-прежнему требует больших вычислительных ресурсов. Однако со временем это будет всё меньше и меньше препятствовать использованию системы. Другие ограничения на данный момент заключаются в том, что системе требуется больше данных о кишечных бактериях, чем о производимых ими метаболитах. При недостатке данных о бактериях точность снижается. Кроме того, VBayesMM предполагает, что микробы действуют независимо друг от друга, но на самом деле кишечные бактерии взаимодействуют невероятно сложным образом.
«Мы намерены использовать более крупные массивы химических данных, включающие полный перечень продуктов метаболизма бактерий, хотя это создает новые сложности в установлении происхождения химических веществ: являются ли они продуктами бактериальной активности, результатом жизнедеятельности человеческого организма или поступают из внешних источников, например, с пищей», — отметил Данг. «Кроме того, мы стремимся сделать VBayesMM более надежным инструментом для анализа различных групп пациентов, включив в него «семейное древо» бактерий для более точного прогнозирования и дальнейшего сокращения времени вычислений, необходимого для анализа. Что касается клинического применения, то конечной целью является определение конкретных бактерий, на которые можно воздействовать с помощью лечения или диеты, чтобы помочь пациентам, и переход от фундаментальных исследований к практическому применению в медицине».
[Фото: ru.123rf.com]