Vietnamesisk forskare använder AI för att avkoda tarmbakteriernas "språk"

Enligt ScienceDaily har forskare i Japan i en banbrytande studie använt avancerad artificiell intelligens (AI) för att avkoda det komplexa ekosystemet av tarmbakterier och de kemiska signalerna mellan dem.

Ett team vid Tokyos universitet har utvecklat ett nytt Bayesianskt neuralt nätverk som heter VBayesMM, vilket kan upptäcka verkliga biologiska samband snarare än slumpmässiga korrelationer.

Systemet har överträffat traditionella modeller i studier av fetma, sömnstörningar och cancer.

Tarmbakterier spelar en viktig roll för människors hälsa och påverkar matsmältningen, immunförsvaret och till och med humöret.

Människokroppen innehåller cirka 30 000–40 000 miljarder mänskliga celler, medan tarmarna ensamma har upp till 100 000 miljarder bakterieceller, vilket innebär att vi bär på fler bakterieceller än våra egna celler.

Dessa mikroorganismer deltar inte bara i matsmältningen, utan producerar och omvandlar även tusentals små föreningar som kallas metaboliter – ”kemiska budbärare” som påverkar ämnesomsättningen, immunförsvaret och hjärnans funktion.

”Vi har bara börjat förstå vilka bakterier som producerar vilka metaboliter och hur dessa samband förändras vid olika sjukdomar”, säger forskaren Tung Dang (Đăng Thanh Tùng) vid Tsunoda-laboratoriet, institutionen för biologiska vetenskaper, Tokyos universitet. ”Om vi exakt kan kartlägga interaktionerna mellan bakterier och kemikalier kan vi utveckla personliga behandlingar – till exempel att odla en viss typ av bakterier för att producera ett ämne som är gynnsamt för hälsan, eller att utforma terapier som manipulerar dessa ämnen för att behandla sjukdomar.”

Problemet ligger i datamängden: tusentals interagerande bakteriearter och föreningar gör det extremt svårt att hitta meningsfulla mönster.

För att lösa detta använde teamet AI med en Bayesiansk metod för att upptäcka de bakteriegrupper som faktiskt påverkar varje metabolit, och beräknade även konfidensnivån för förutsägelserna – vilket hjälpte till att undvika vilseledande slutsatser.

"När vår modell testades på verkliga data om sömnstörningar, fetma och cancer, överträffade den konsekvent befintliga metoder och identifierade bakteriefamiljer som matchade kända biologiska processer. Detta ger oss förtroende för att systemet upptäcker verkliga biologiska samband och inte slumpmässiga statistiska mönster", tillade Tung.

Möjligheten att kvantifiera osäkerhet hjälper VBayesMM att ge forskare mer tillförlitlig information. Att analysera stora mikrobiologiska datamängder är dock fortfarande beräkningsintensivt, även om denna kostnad kommer att minska i takt med att bearbetningstekniken förbättras.

Systemet fungerar bäst när mängden bakteriedata är större än mängden metabolitdata; annars minskar noggrannheten. Dessutom behandlar VBayesMM fortfarande varje bakterieart som en oberoende enhet, när de i verkligheten interagerar intrikat med varandra.

Teamet vill nu utöka modellen för att hantera mer omfattande kemiska datamängder, inklusive föreningar från bakterier, människokroppen och kosten. De vill också införliva "släktträd" för bakteriearter för att förbättra prediktionskraften och minska beräkningstiden.

”Det slutgiltiga målet är att identifiera specifika bakterier som kan vara måltavlor för behandling eller näringsintervention, och därigenom gå från grundforskning till klinisk tillämpning”, sade Tung.

Med detta nya AI-verktyg kommer forskare närmare att utnyttja tarmmikrobiomets potential för att utveckla personlig medicin, vilket öppnar upp en väg för mer exakt och effektiv hälsovård i framtiden.

(TTXVN/Vietnam+)

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