Vietnamský výzkumník používá umělou inteligenci k „dekódování“ střevních bakterií

Práce výzkumníka Dang Thanh Tunga (Tokijská univerzita) pomáhá dešifrovat, jak spolu střevní bakterie komunikují, a otevírá tak nový směr pro personalizovanou medicínu.

Ilustrace: ScienceDaily

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

Tým vyvinul novou Bayesovskou neuronovou síť s názvem VBayesMM, která detekuje 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 přibližně 30–40 bilionů lidských buněk, zatímco samotné střevo obsahuje až 100 bilionů bakteriálních buněk – to znamená, že máme více bakteriálních buněk než naše vlastní buňky.

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 (Dang Thanh Tung) 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, která má zdravotní přínos, 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,“ dodal Tung. „To nám dává jistotu, že systém detekuje skutečné biologické vztahy a nikoli náhodné statistické vzorce.“

Schopnost kvantifikovat nejistotu pomáhá systému VBayesMM poskytovat vědcům spolehlivější informace. Analýza velkých mikrobiálních datových sad je však stále výpočetně náročná, i když se tyto náklady sníží s tím, jak se technologie zpracování zdokonaluje. Systém funguje nejlépe, když je množství mikrobiálních dat větší než množství dat o metabolitech; pokud je počet mikrobiálních dat větší, přesnost se sníží.

VBayesMM navíc stále zachází s každým bakteriálním druhem jako s nezávislou entitou, zatímco ve skutečnosti spolu komplexně 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 predikce a zkrátili výpočetní dobu.

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

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

Zpět k tématu

VNA

Zdroj: https://tuoitre.vn/nha-nghien-cuu-viet-dung-ai-giai-ma-vi-khuyen-duong-ruot-20251111125341462.htm