El microbioma intestinal y su carga microbiana: claves para entender enfermedades como el cáncer colorrectal

Archivo - Microbioma y probióticos - Asociación con enfermedades gastrointestinales - Intestino permeable - Disbiosis - Ilustración
Archivo - Microbioma y probióticos - Asociación con enfermedades gastrointestinales - Intestino permeable - Disbiosis - Ilustración - ARTEMISDIANA/ ISTOCK - Archivo
Actualizado: lunes, 18 noviembre 2024 13:56

   MADRID, 18 Nov. (EDIZIONES) -

   Investigadores del Laboratorio Europeo de Biología Molecular (EMBL) han utilizado un algoritmo de aprendizaje automático para predecir la densidad de microbios a partir de sus microbiomas intestinales, para descubrir que los cambios en la carga microbiana, en lugar de la enfermedad, podrían ser un factor detrás de la presencia de especies microbianas asociadas a la enfermedad.

   Muchas enfermedades asociadas a bacterias, como la enfermedad inflamatoria intestinal o el cáncer colorrectal, están asociadas con un crecimiento excesivo de bacterias intestinales que se cree que son agentes dañinos.

   Según recoge la revista 'Cell' las diferencias en la carga microbiana de un paciente, que se encontró que estaba influenciada por factores que iban desde la edad, el sexo, la dieta, el país de origen y el uso de antibióticos, fueron un factor clave para las firmas bacterianas en muestras fecales, incluso en pacientes con enfermedades.

   "Nos sorprendió descubrir que muchas especies microbianas, que antes se creía que estaban asociadas con enfermedades, se explicaban con mayor fuerza por los cambios en la carga microbiana. Esto indica que estas especies están principalmente asociadas con síntomas como diarrea y estreñimiento, en lugar de estar directamente vinculadas a las enfermedades en sí", comenta Peer Bork, del Laboratorio Europeo de Biología Molecular (EMBL) de Heidelberg, uno de los autores principales del estudio.

   La carga microbiana se reconoce desde hace tiempo como un factor importante en la investigación del microbioma, pero el análisis a gran escala se ha visto limitado en gran medida debido al alto coste y la naturaleza laboriosa de los métodos experimentales, que los investigadores superaron con un enfoque de aprendizaje automático. Desarrollaron un modelo de predicción de la carga microbiana fecal basado en la composición relativa del microbioma y lo aplicaron a un conjunto de datos metagenómicos a gran escala para explorar su variación en la salud y la enfermedad.

   "Medir la carga microbiana en muestras fecales requiere mucho esfuerzo y nos alegramos de tener acceso a dos grandes conjuntos de datos metagenómicos en los que se había medido experimentalmente la carga microbiana", agrega Michael Kuhn, también del EMBL y el otro autor principal del estudio. "Con nuestro enfoque, queremos generalizar estos datos para el beneficio de un campo más amplio y con las herramientas que proporcionamos, se puede predecir la carga microbiana para todos los estudios del microbioma intestinal humano adulto".

   Los conjuntos de datos que el equipo generó para la investigación son miles de metagenomas y carga microbiana medida experimentalmente en los proyectos GALAXY (Eje intestino-hígado en fibrosis hepática alcohólica) financiados por la UE y MicrobLiver de la Fundación Novo Nordisk. También utilizaron metagenomas y datos de carga microbiana de una población de estudio MetaCardis previamente pública. Para los conjuntos de datos exploratorios, utilizaron decenas de miles de metagenomas de estudios anteriores, incluidas poblaciones de Japón y Estonia.

   El equipo reconoce las limitaciones del trabajo. Como el análisis se basó únicamente en asociaciones, no pudieron establecer una dirección clara de causalidad ni proporcionar información mecanicista.

    Además, el método desarrollado solo se aplica al microbioma intestinal humano: se necesitan diferentes conjuntos de datos de entrenamiento para predecir la carga microbiana en otros hábitats Las futuras investigaciones se centrarán en las especies microbianas que están más directamente asociadas con las enfermedades, independientemente de la carga microbiana, para comprender mejor su papel en la etiología de las enfermedades y su posible uso como biomarcadores.

    Asimismo, la adaptación de este modelo de predicción a otros entornos, como los microbiomas oceánicos y del suelo, podría proporcionar más conocimientos sobre la ecología microbiana a escala global.

Contador

Leer más acerca de: