Pesquisador vietnamita usa IA para 'decodificar' bactérias intestinais

Nhà nghiên cứu Việt dùng AI 'giải mã' vi khuẩn đường ruột - Ảnh 1. — Ilustração: ScienceDaily

Segundo o ScienceDaily , em um estudo inovador, cientistas da Universidade de Tóquio, no Japão, aplicaram inteligência artificial (IA) avançada para decodificar o complexo ecossistema das bactérias intestinais e os sinais químicos entre elas.

A equipe desenvolveu uma nova rede neural Bayesiana chamada VBayesMM, que detecta relações biológicas reais em vez de correlações aleatórias. O sistema superou os modelos tradicionais em estudos sobre obesidade, distúrbios do sono e câncer.

As bactérias intestinais desempenham um papel vital na saúde humana, influenciando a digestão, a imunidade e até mesmo o humor. O corpo humano contém cerca de 30 a 40 trilhões de células humanas, enquanto o intestino sozinho possui até 100 trilhões de células bacterianas – o que significa que carregamos mais células bacterianas do que células humanas.

Esses microrganismos não apenas participam da digestão, mas também produzem e transformam milhares de pequenos compostos chamados metabólitos – “mensageiros químicos” que influenciam o metabolismo, o sistema imunológico e a função cerebral.

"Estamos apenas começando a entender quais bactérias produzem quais metabólitos e como essas relações mudam em diferentes doenças", disse o pesquisador Tung Dang (Dang Thanh Tung) do Laboratório Tsunoda, Departamento de Ciências Biológicas, Universidade de Tóquio.

Se pudermos mapear com precisão as interações entre bactérias e substâncias químicas, poderemos desenvolver tratamentos personalizados – por exemplo, cultivando um tipo específico de bactéria para produzir uma substância que traga benefícios à saúde, ou criando terapias que manipulem essas substâncias para tratar doenças.”

O problema reside na enorme escala dos dados: milhares de espécies bacterianas e compostos interagindo tornam extremamente difícil encontrar padrões significativos.

Para resolver isso, a equipe usou IA com uma abordagem Bayesiana para detectar os grupos bacterianos que realmente influenciam cada metabólito e também calculou o nível de confiança das previsões, ajudando a evitar conclusões enganosas.

“Quando testado com dados reais sobre distúrbios do sono, obesidade e câncer, nosso modelo superou consistentemente os métodos existentes e identificou famílias bacterianas que correspondiam a processos biológicos conhecidos”, acrescentou Tung. “Isso nos dá confiança de que o sistema está detectando relações biológicas reais e não padrões estatísticos aleatórios.”

A capacidade de quantificar a incerteza ajuda o VBayesMM a fornecer informações mais confiáveis aos cientistas. No entanto, a análise de grandes conjuntos de dados microbianos ainda exige alto poder computacional, embora esse custo diminua com o aprimoramento da tecnologia de processamento. O sistema apresenta melhor desempenho quando a quantidade de dados microbianos é maior que a quantidade de dados de metabólitos; se o número de dados microbianos for maior, a precisão diminuirá.

Além disso, o VBayesMM ainda trata cada espécie bacteriana como uma entidade independente, enquanto na realidade elas interagem de forma complexa entre si.

A equipe agora busca expandir o modelo para lidar com conjuntos de dados químicos mais abrangentes, incluindo compostos de bactérias, do corpo humano e da dieta. Eles também querem incorporar "árvores genealógicas" de espécies bacterianas para melhorar as previsões e reduzir o tempo de computação.

“O objetivo final é identificar bactérias específicas que possam ser alvos de tratamento ou intervenção nutricional, passando assim da pesquisa básica para a aplicação clínica”, afirma Tung.

Com essa nova ferramenta de IA, os cientistas estão cada vez mais perto de aproveitar o potencial do microbioma intestinal para desenvolver medicina personalizada, abrindo caminho para uma assistência médica mais precisa e eficaz no futuro.

Voltar ao assunto

VNA

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