Кишечные бактерии играют ключевую роль в здоровье человека, влияя на пищеварение, иммунитет и даже настроение. Однако сложность микробиома поразительна. Бесчисленное множество видов бактерий и их взаимодействие с человеческой физиологией десятилетиями затрудняли полное понимание их воздействия. В новаторском шаге исследователи из Токийского университета применили тип искусственного интеллекта, известный как байесовская нейронная сеть, для изучения кишечных бактерий. Их цель – выявить связи, которые часто упускаются традиционными методами анализа данных.
Учитывая, что человеческое тело содержит примерно 30–40 триллионов человеческих клеток, только кишечник является домом для около 100 триллионов бактериальных клеток. Получается, что в нас живет больше бактериальных клеток, чем «собственных». Эти микробы не только участвуют в пищеварении; они также производят и изменяют тысячи соединений, называемых метаболитами. Эти малые молекулы действуют как химические посыльные, циркулируя по всему телу и влияя на метаболизм, иммунитет и даже функции мозга. Понимание того, как конкретные бактерии производят определенные метаболиты, может открыть новые пути для поддержания общего состояния здоровья.
«Проблема заключается в том, что мы только начинаем понимать, какие бактерии продуцируют те или иные человеческие метаболиты и как эти взаимосвязи изменяются при различных заболеваниях, – объясняет научный сотрудник Тунг Данг из лаборатории Цуноды на факультете биологических наук. – Точное картирование этих бактериально-химических взаимосвязей потенциально может привести к разработке персонализированных методов лечения. Представьте, что можно выращивать определенную бактерию для производства полезных человеческих метаболитов или разрабатывать целенаправленные методы лечения, которые модифицируют эти метаболиты для борьбы с болезнями».
Основная трудность заключается в огромном объеме данных. Бесчисленные бактерии и метаболиты взаимодействуют сложными способами, и выделить значимые закономерности крайне сложно. Для решения этой задачи Данг и его команда обратились к передовым методам искусственного интеллекта. Их система, получившая название VBayesMM, использует байесовский подход для определения того, какие группы бактерий значительно влияют на конкретные метаболиты. Она также измеряет неопределенность своих прогнозов, помогая избежать чрезмерно уверенных, но ошибочных выводов.
«При тестировании на реальных данных из исследований расстройств сна, ожирения и рака наш подход неизменно превосходил существующие методы и выявлял специфические бактериальные семейства, которые соответствуют известным биологическим процессам, – отмечает Данг. – Это дает уверенность, что система обнаруживает реальные биологические связи, а не бессмысленные статистические закономерности».
Поскольку VBayesMM может распознавать и сообщать о неопределенности, система предоставляет исследователям более надежные данные, чем предыдущие инструменты. Хотя она оптимизирована для крупномасштабных данных, анализ массивных наборов данных микробиома остается вычислительно сложным. Однако со временем ожидается, что эти затраты снизятся по мере улучшения вычислительной мощности. Система также работает лучше всего, когда имеется обширный объем бактериальных данных по сравнению с метаболитными; в противном случае точность может снижаться. Еще одно ограничение заключается в том, что VBayesMM рассматривает бактерии как независимых участников, хотя они часто взаимодействуют в сложных, взаимозависимых сетях.
«Мы планируем работать с более полными химическими наборами данных, которые охватывают весь спектр бактериальных продуктов, хотя это создает новые проблемы в определении того, происходят ли химические вещества от бактерий, человеческого организма или внешних источников, таких как диета, – добавляет Данг. – Мы также стремимся сделать VBayesMM более надежным при анализе разнообразных групп пациентов, включить взаимосвязи «генеалогического древа» бактерий для более точных прогнозов и дополнительно сократить время, необходимое для анализа. Для клинического применения конечная цель состоит в выявлении конкретных бактериальных мишеней для лечения или диетических вмешательств, которые могли бы реально помочь пациентам, переходя от фундаментальных исследований к практическим медицинским применениям».
Используя искусственный интеллект для навигации в обширном и запутанном мире кишечных микробов, исследователи приближаются к раскрытию потенциала микробиома для преобразования персонализированной медицины.
