Vietnamesisk forsker bruker kunstig intelligens til å «avkode» tarmbakterier

Forsker Dang Thanh Tungs arbeid (Universitetet i Tokyo) bidrar til å avkode hvordan tarmbakterier kommuniserer, og åpner en ny retning for personlig tilpasset medisin.

Illustrasjon: ScienceDaily

Ifølge ScienceDaily har forskere ved Universitetet i Tokyo i Japan i en banebrytende studie brukt avansert kunstig intelligens (KI) for å dekode det komplekse økosystemet av tarmbakterier og de kjemiske signalene mellom dem.

Teamet utviklet et nytt Bayesiansk nevralt nettverk kalt VBayesMM, som oppdager reelle biologiske sammenhenger i stedet for tilfeldige korrelasjoner. Systemet overgikk tradisjonelle modeller i studier av fedme, søvnforstyrrelser og kreft.

Tarmbakterier spiller en viktig rolle i menneskers helse, og påvirker fordøyelsen, immunforsvaret og til og med humøret. Menneskekroppen inneholder rundt 30–40 billioner menneskeceller, mens tarmen alene har opptil 100 billioner bakterieceller – noe som betyr at vi har flere bakterieceller enn våre egne celler.

Disse mikroorganismene deltar ikke bare i fordøyelsen, men produserer og omdanner også tusenvis av små forbindelser kalt metabolitter – «kjemiske budbringere» som påvirker stoffskiftet, immunforsvaret og hjernefunksjonen.

«Vi har bare så vidt begynt å forstå hvilke bakterier som produserer hvilke metabolitter og hvordan disse forholdene endrer seg ved ulike sykdommer», sa forsker Tung Dang (Dang Thanh Tung) ved Tsunoda-laboratoriet, Institutt for biologiske vitenskaper, Universitetet i Tokyo.

Hvis vi kan kartlegge samspillet mellom bakterier og kjemikalier nøyaktig, kan vi utvikle personlige behandlinger – for eksempel dyrke en bestemt type bakterier for å produsere et stoff som har en helsefordel, eller designe terapier som manipulerer disse stoffene for å behandle sykdom.

Problemet ligger i den store omfanget av dataene: tusenvis av samvirkende bakteriearter og forbindelser gjør det ekstremt vanskelig å finne meningsfulle mønstre.

For å løse dette brukte teamet kunstig intelligens med en bayesiansk tilnærming for å oppdage bakteriegruppene som faktisk påvirker hver metabolitt, og beregnet også konfidensnivået til prediksjonene – noe som bidro til å unngå misvisende konklusjoner.

«Da modellen vår ble testet på reelle data om søvnforstyrrelser, fedme og kreft, overgikk den konsekvent eksisterende metoder og identifiserte bakteriefamilier som samsvarte med kjente biologiske prosesser», la Tung til. «Dette gir oss tillit til at systemet oppdager reelle biologiske sammenhenger og ikke tilfeldige statistiske mønstre.»

Evnen til å kvantifisere usikkerhet hjelper VBayesMM med å gi forskere mer pålitelig informasjon. Analyse av store mikrobielle datasett er imidlertid fortsatt beregningsintensivt, selv om denne kostnaden vil synke etter hvert som prosesseringsteknologien forbedres. Systemet fungerer best når mengden mikrobielle data er større enn mengden metabolittdata. Hvis antallet mikrobielle data er større, vil nøyaktigheten synke.

I tillegg behandler VBayesMM fortsatt hver bakterieart som en uavhengig enhet, mens de i virkeligheten samhandler komplekst med hverandre.

Teamet ønsker nå å utvide modellen til å håndtere mer omfattende kjemiske datasett, inkludert forbindelser fra bakterier, menneskekroppen og kosthold. De ønsker også å innlemme «familietrær» av bakteriearter for å forbedre prediksjoner og redusere beregningstiden.

«Det endelige målet er å identifisere spesifikke bakterier som kan være mål for behandling eller ernæringsintervensjon, og dermed gå fra grunnforskning til klinisk anvendelse», sier Tung.

Med dette nye AI-verktøyet kommer forskere nærmere å utnytte potensialet til tarmmikrobiomet for å utvikle personlig tilpasset medisin, noe som åpner veien for mer presis og effektiv helsehjelp i fremtiden.

Tilbake til emnet

VNA

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