MADRID 12 Feb. (EUROPA PRESS) -
Investigadores de la Universidad de California en San Diego y la compañía IBM han desarrollado una herramienta predictiva que permite adivinar la edad de una persona a partir de su microbioma, según publican en la revista 'mSystems'.
El microbioma, es decir las comunidades complejas de microbios que viven dentro de una persona y alrededor de ella, están influenciados por la dieta, los hábitos, el entorno y los genes, y se sabe que cambian con la edad. Y su composición es reconocida por su influencia en nuestra salud.
A partir de una muestra de microbioma (una muestra de piel o de heces), los investigadores han demostrado que ahora pueden usar el aprendizaje automático para predecir la edad cronológica de una persona, con un grado variable de precisión.
Las muestras de piel proporcionaron la predicción más precisa, estimando correctamente dentro de aproximadamente 3,8 años, en comparación con 4,5 años con una muestra oral y 11,5 años con una muestra fecal. Los tipos de microbios que viven en la cavidad oral o dentro del intestino de los jóvenes (de 18 a 30 años) tienden a ser más diversos y abundantes que en los microbiomas comparativos de adultos mayores (de 60 años de edad y mayores).
"Esta nueva capacidad de correlacionar microbios con la edad nos ayudará a avanzar en futuros estudios sobre el papel que juegan en el proceso de envejecimiento y las enfermedades relacionadas con la edad, y nos permitirá evaluar mejor las posibles intervenciones terapéuticas que se dirigen a los microbiomas", señala el coautor principal Zhenjiang Zech Xu.
El objetivo final del equipo es crear modelos de aprendizaje automático similares para correlacionar el microbioma y las condiciones clínicas, como la inflamación en condiciones autoinmunes. Este enfoque podría algún día formar la base de una prueba no invasiva basada en microbioma que potencialmente ayude a los médicos a diagnosticar o evaluar mejor el riesgo de una persona para una enfermedad.
En un estudio de 2014, los investigadores de la Universidad de Washington compararon la "edad microbiana", la edad según lo predice el microbioma fecal, y la edad cronológica real en el contexto de los bebés desnutridos durante los primeros meses de vida.
Los investigadores notaron que la diferencia entre la edad cronológica y la microbiana estaba asociada con el grado de madurez de desarrollo de los niños. En el nuevo estudio, los investigadores de la Universidad de California en San Diego llevaron esta idea un paso más allá para ver si esta asociación podría aplicarse a los adultos, y con qué facilidad se generalizó en otros sitios del cuerpo.
Según Xu, uno de los requisitos más importantes para un buen modelo estadístico es un gran tamaño de muestra y una población representativa. Para hacer eso, los investigadores extrajeron datos de secuenciación de microbiomas disponibles de las bases de datos públicas de varios proyectos de ciencia ciudadana, como el Proyecto American Gut, en el que los participantes envían muestras de heces, saliva o piel, reciben sus lecturas de microbioma personalizadas y contribuyen con su anonimato aportando datos a la comunidad científica.
El estudio se basó en un total de 4.434 muestras fecales de Estados Unidos y China; 2.550 muestras de saliva de Estados Unidos, Canadá, Reino Unido y Tanzania, y 1.975 muestras de piel de Estados Unidos y Reino Unido.
Los participantes tenían edades comprendidas de 18 a 90 años, con índices de masa corporal de 18,5 a 30, no tenían enfermedad inflamatoria intestinal ni diabetes, y no habían usado antibióticos durante al menos un mes antes de la toma de muestras.
"Esta fue la investigación más completa sobre el microbioma y la edad hasta la fecha", asegura el primer autor Shi Huang, investigador postdoctoral en el laboratorio de Knight y el Centro de Innovación de Microbiomas de la UC San Diego.
El equipo encontró diferencias específicas de género en los resultados de microbiomas intestinales, pero no hubo diferencias entre hombres y mujeres en lo que respecta a los resultados de microbiomas orales y cutáneos.
A pesar de la diversidad de microbios que viven en diferentes sitios en todo el cuerpo humano, tampoco importó si las muestras de piel se habían recogido de la frente o de las manos, lo que significa que los futuros estudios de microbiomas de la piel pueden aumentar su poder estadístico al combinar sitios de recolección y géneros.
Según los investigadores, una razón potencial por la que los microbios que viven en nuestra piel cambian tan consistentemente a medida que envejecemos se debe a los cambios predecibles en la fisiología de la piel que todos experimentan, como la disminución de la producción de suero y el aumento de la sequedad.
"La precisión de nuestros resultados demuestra el potencial para aplicar técnicas de aprendizaje automático e inteligencia artificial para comprender mejor los microbiomas humanos", apunta el coautor Ho-Cheol Kim, director del programa del Programa de Inteligencia Artificial para una Vida Saludable, una colaboración entre IBM Investigación y UC San Diego bajo la red IBM AI Horizons Network.
"La aplicación de esta tecnología a futuros estudios de microbiomas podría ayudar a descubrir una visión más profunda de la correlación entre cómo los microbiomas influyen en nuestra salud general y una amplia gama de enfermedades y trastornos desde la salud neurológica a la cardiovascular e inmunológica", añade.
Según el coautor Yoshiki Vázquez-Baeza, director asociado de integración bioinformática en el Centro de Innovación de Microbiomas de UC San Diego, la predicción de la edad es un método particularmente atractivo para entrenar modelos predictivos porque los participantes no necesitan cumplir criterios especiales para poder convertirse en un donante de muestra, y la evaluación de la edad generalmente no requiere una visita al hospital.
"Otros estudios que se centran en una condición particular, como la enfermedad inflamatoria intestinal, a menudo tienen dificultades para conseguir suficientes participantes que cumplan con los criterios del estudio y que estén dispuestos a participar para poder sacar conclusiones significativas --admite Vázquez-Baeza--. Pero aquí, la amplia aplicabilidad de la predicción de la edad nos permitió explorar los límites del modelado microbiano a una escala sin precedentes".
