Новая модель позволяет изучать и предсказывать взаимодействия микробов
Микробиомы, состоящие из разнообразных сообществ микробов, играют ключевую роль в формировании здоровья человека, однако сложности их взаимодействий во многом неизвестны.
В исследовании, опубликованном в Proceedings of the National Academy of Sciences, учёные из Университета Иллинойса в Урбане-Шампейне представили новый вычислительный фреймворк для предсказания того, как виды внутри микробиомов взаимодействуют друг с другом, формируя уникальные составы.
"Мы пытаемся отказаться от использования антибиотиков... Если кишечник инфицирован патогеном, нам нужен способ изменить состав микробиома кишечника, чтобы восстановить его здоровое состояние и подавить количество патогена", — говорит аспирант Шрея Арья.
Оценка всех взаимодействий между видами микробов потребовала бы экспоненциального объёма экспериментальных данных. Чтобы преодолеть это препятствие, команда под руководством доцента Джеймса О'Двайера создала модель, предсказывающую исходные состояния микробных сообществ на основе начального состава.
Модель вычисляет "ландшафтное значение взаимодействия" между микробами, которое характеризует влияние каждого микроба на численность другого и конечный результат для микробиома.
"Мы спросили: в конце всех этих микробных взаимодействий, кто ещё остался? Какова их численность и каковы их функции в этом конечном сообществе?" — пояснил О'Двайер.
Используя вычислительную модель, исследователи сделали неожиданное открытие: большинство ландшафтных взаимодействий между микробами были близки к нулю. Это означает, что большинство микробов оказывали минимальное влияние на конечный результат, и лишь некоторые ключевые виды играли решающую роль в предсказании исходов.
Для анализа данных команда применила метод compressive sensing из области обнаружения сигналов, который позволяет извлекать больше информации из наборов данных с разреженным представлением.
Модель обучалась на существующих наборах данных о микробиомах, а результаты взаимодействий проверялись в реальных экспериментах. Интригующе, что "разреженность" (обилие нулей) ландшафтных взаимодействий подтвердилась как в модели, так и в реальных экспериментах.
"Магия здесь в том, что вам не нужно изучать всё... Вам нужно изучить лишь часть, и этого может быть достаточно, чтобы понять целое", — отметил О'Двайер.
Теперь команда хочет выяснить, почему так много взаимодействий близки к нулю, и протестировать модель на более крупных наборах данных.
"Мы хотим понять, почему эта разреженность существует... Например, даже если почвенный микробиом таксономически сильно отличается от микробиома кишечника человека, могут существовать сходства в способах взаимодействия видов", — объяснила Арья.
Одна из конечных целей — использовать модель в персонализированной медицине для прогнозирования рисков укоренения определённых патогенов в микробиоме пациента.
"Чтобы создавать микробные терапевтические средства, нам нужно понимать, какие виды микробов необходимо комбинировать в каких средах... И это первый шаг к этой цели", — заключила Арья.