研究人员以前所未有的规模分析了帕金森病患者的肠道微生物组，发现了与其疾病相关的组成和功能能力的变化。
来自Quadram研究所和欧洲分子生物学实验室（EMBL）的科学家们结合了来自全球22个不同研究的近4,500个样本，并使用机器学习技术来分析这一庞大的数据集。
除了识别与帕金森病最相关的细菌类型外，这项元分析还突出了在帕金森病肠道微生物组中最常见的代谢功能，这些功能可能有助于不良的肠道健康。有趣的是，帕金森病中富集了可能参与溶剂和农药生化转化的微生物途径，这与其他将此类化学物质暴露与该疾病联系起来的研究相吻合。
帕金森病是一种日益常见的神经退行性疾病，其特征是不自主的颤抖、僵硬和缓慢运动。它还会引起许多与运动无关的症状，包括便秘、炎症和肠道屏障通透性增加等胃肠道问题。在某些情况下，胃肠道紊乱会在运动症状出现前几十年就显现出来。这引起了人们对肠道微生物组在理解、诊断甚至潜在治疗该疾病中的作用的兴趣。
多项分析帕金森病患者微生物组的研究显示，与健康微生物组相比存在差异，但这些研究之间存在很大的变异性。这在微生物组研究中并不罕见，因为研究方法的变异性和世界各地人群本身的变异都可能导致这种差异。
四年前由Quadram研究所研究人员进行的一项早期元分析，结合了不同研究的数据，确定了不同大陆帕金森病微生物组的一些共同特征，但迄今为止尚未达成关于帕金森病微生物组特征菌群的一致意见。
确定与帕金森病相关的微生物及其代谢功能对于揭示可能将微生物组与该疾病联系起来的机制至关重要，并将为未来基于微生物组的诊断和治疗方法的研究打开大门。
由于分析构成肠道微生物组的数万亿微生物涉及大量数据，研究人员转向机器学习技术来寻找可能区分帕金森病的模式。
机器学习与人工智能相关，因为它使用统计原理来识别和学习大型数据集中的模式，并对未来数据点进行预测。
一些个别研究表明有希望的结果，报告其模型准确率为90%，但真正的测试是在独立人群中使用这些预测模型时。
Quadram研究所的研究人员与德国海德堡的欧洲分子生物学实验室的同事合作，进行了大规模的元分析，以统一的方式在涵盖四大洲的22项公开可用微生物组数据的研究的大规模汇总数据集上构建和评估此类机器学习模型。
他们的发现发表在《自然通讯》杂志上，表明大多数机器学习模型是特定于研究的，并不能很好地推广到其他研究。这可能是由于大多数研究仅限于少量帕金森病患者，这些患者并不能代表更大的全球患者群体，也没有涵盖这种复杂疾病的变异性。然而，通过对许多研究的数据同时训练机器学习模型，模型在识别其他研究中的帕金森病相关微生物组变化方面变得显著更好。
团队新分析的一个引人注目的发现是，帕金森病的微生物组富含分解异生物质的基因，这些异生物质是人体内的外来化学物质，包括农药、溶剂和污染物。
尚不清楚哪些异生物质诱导了这种微生物组特征，也不能排除帕金森病药物产生了所观察到的效果。也不清楚微生物组增强分解这些化学物质的能力会产生什么影响。
“推测肠道微生物组的组成可能因接触这些化学物质而发生改变是很有意思的。或者微生物分解这些化学物质的过程是否会改变它们对大脑神经元的已知影响？这种过程是保护性的还是增加了这些化学物质的神经毒性？”EMBL的资深作者Georg Zeller博士评论道。
“需要更多的研究来了解肠道微生物如何转化这些化学物质的分子机制。”
研究人员的元分析还发现了一些与感染过程相关的病原菌标志物，这些标志物可能有助于炎症和肠道通透性的增加。
肠道渗漏可能促进细菌产物和潜在有毒化合物从肠道进入体内，甚至进入大脑和中枢神经系统。
需要进一步的研究来验证这一点，但由于我们的肠道微生物组对我们每个人来说都是独特的，这意味着我们的微生物组可能会增加我们患帕金森病的风险，或者提供某种解毒保护。
“通过利用大量数据，我们提供了目前与帕金森病密切相关的肠道微生物组分类和功能特征的最新视图，”该研究的第一作者Stefano Romano博士说，他曾在EMBL和Quadram研究所工作。
Quadram研究所的Arjan Narbad教授评论说：“越来越多的证据表明肠道微生物组在帕金森病病因学中的作用，但个体微生物组的变异使得很难确定最有可能参与疾病过程的具体微生物。结合使用机器学习和深度宏基因组测序以及大型队列研究，为诊断和治疗提供了有前景的基础。”
(全文结束)
