Vietnamský výzkumník používá umělou inteligenci k dekódování „jazyka“ střevních bakterií

Podle ScienceDaily vědci v Japonsku v průlomové studii použili pokročilou umělou inteligenci (AI) k dekódování komplexního ekosystému střevních bakterií a chemických signálů mezi nimi.

Tým na Tokijské univerzitě vyvinul novou Bayesovskou neuronovou síť s názvem VBayesMM, která dokáže detekovat skutečné biologické vztahy spíše než náhodné korelace.

Systém překonal tradiční modely ve studiích obezity, poruch spánku a rakoviny.

Střevní bakterie hrají zásadní roli v lidském zdraví, ovlivňují trávení, imunitu a dokonce i náladu.

Lidské tělo obsahuje asi 30 000–40 000 miliard lidských buněk, zatímco jen ve střevech se nachází až 100 000 miliard bakteriálních buněk, což znamená, že v těle máme více bakteriálních buněk než vlastních buněk.

Tyto mikroorganismy se nejen podílejí na trávení, ale také produkují a transformují tisíce malých sloučenin zvaných metabolity – „chemických poslů“, které ovlivňují metabolismus, imunitní systém a mozkové funkce.

„Teprve začínáme chápat, které bakterie produkují které metabolity a jak se tyto vztahy mění u různých onemocnění,“ řekl výzkumník Tung Dang (Đăng Thanh Tùng) z laboratoře Tsunoda, katedry biologických věd Tokijské univerzity. „Pokud dokážeme přesně zmapovat interakce mezi bakteriemi a chemikáliemi, můžeme vyvinout personalizované léčebné postupy – například kultivovat určitý typ bakterií za účelem produkce látky prospěšné pro zdraví nebo navrhnout terapie, které manipulují s těmito látkami k léčbě nemocí.“

Problém spočívá v samotném rozsahu dat: tisíce interagujících bakteriálních druhů a sloučenin extrémně ztěžují nalezení smysluplných vzorců.

Aby se tento problém vyřešil, tým použil umělou inteligenci s Bayesovským přístupem k detekci bakteriálních skupin, které skutečně ovlivňují jednotlivé metabolity, a také vypočítal míru spolehlivosti predikcí – což pomohlo vyhnout se zavádějícím závěrům.

„Při testování na reálných datech o poruchách spánku, obezitě a rakovině náš model konzistentně překonal stávající metody a identifikoval bakteriální rodiny, které odpovídaly známým biologickým procesům. To nám dává jistotu, že systém detekuje skutečné biologické vztahy a nikoli náhodné statistické vzorce,“ dodal Tung.

Schopnost kvantifikovat nejistotu pomáhá VBayesMM poskytovat vědcům spolehlivější informace. Analýza velkých mikrobiologických datových sad je však stále výpočetně náročná, i když se tyto náklady sníží s rozvojem technologie zpracování.

Systém funguje nejlépe, když je množství bakteriálních dat větší než množství dat metabolitů; jinak se přesnost snižuje. VBayesMM navíc stále zachází s každým bakteriálním druhem jako s nezávislou entitou, zatímco ve skutečnosti spolu složitě interagují.

Tým se nyní snaží rozšířit model tak, aby zvládal komplexnější chemické soubory dat, včetně sloučenin z bakterií, lidského těla a stravy. Chtějí také zahrnout „rodokmeny“ bakteriálních druhů, aby zlepšili predikční sílu a zkrátili výpočetní čas.

„Konečným cílem je identifikovat specifické bakterie, které by mohly být cílem léčby nebo nutriční intervence, a tím přejít od základního výzkumu ke klinickému využití,“ řekl pan Tung.

Díky tomuto novému nástroji umělé inteligence se vědci blíží k využití potenciálu střevního mikrobiomu pro vývoj personalizované medicíny, což otevírá cestu k přesnější a efektivnější zdravotní péči v budoucnosti.

(TTXVN/Vietnam+)

Zdroj: https://www.vietnamplus.vn/nha-nghien-cuu-viet-dung-ai-giai-ma-ngon-ngu-vi-khuan-duong-ruot-post1076191.vnp