Известно, что кишечные бактерии играют ключевую роль во многих проблемах, связанных со здоровьем. Однако их количество и разнообразие огромны, как и способы их взаимодействия с химическими процессами в организме и друг с другом. Исследователи из Токийского университета впервые использовали особый вид искусственного интеллекта — байесовскую нейронную сеть — для анализа данных о кишечных бактериях, чтобы выявить взаимосвязи, которые не могли достоверно определить существующие аналитические инструменты. Работа опубликована в журнале Briefings in Bioinformatics.

Человеческое тело состоит примерно из 30–40 триллионов клеток, но в вашем кишечнике содержится около 100 триллионов кишечных бактерий. Технически в вашем теле больше клеток, которые не являются вашими, чем ваших собственных. Пища для размышлений. 

Кстати, о пище: кишечные бактерии, конечно же, отвечают за некоторые аспекты пищеварения, но удивительно то, как они могут влиять на многие другие аспекты здоровья человека. Бактерии невероятно разнообразны, они вырабатывают и модифицируют огромное количество различных химических веществ, называемых метаболитами. Они действуют как молекулярные мессенджеры, пронизывая ваш организм и влияя на все: от иммунной системы и метаболизма до работы мозга и настроения. Излишне говорить, что понимание того, как работают кишечные бактерии, может принести много пользы.

«Проблема в том, что мы только начинаем понимать, какие бактерии вырабатывают те или иные метаболиты человека и как эти взаимосвязи меняются при различных заболеваниях, — говорит научный сотрудник проекта Тунг Данг с факультета биологических наук. — Точно определив взаимосвязи между бактериями и химическими веществами, мы потенциально сможем разработать персонализированные методы лечения. Представьте, что вы можете выращивать определённую бактерию для выработки полезных для человека метаболитов или разрабатывать таргетную терапию, которая изменяет метаболиты для лечения заболеваний».

Звучит неплохо, так в чём же проблема? Как уже упоминалось, существует бесчисленное множество разнообразных бактерий и метаболитов, а значит, и гораздо больше взаимосвязей между ними. Сбор данных сам по себе — грандиозная задача, но ещё сложнее проанализировать эти данные, чтобы найти интересные закономерности, которые могут указывать на полезную функцию. Данг и его команда решили изучить возможности современных инструментов ИИ.

«Наша система VBayesMM автоматически выделяет ключевых игроков, которые оказывают существенное влияние на метаболиты, на фоне множества менее значимых микробов, а также учитывает неопределённость прогнозируемых взаимосвязей, вместо того чтобы выдавать слишком уверенные, но потенциально неверные ответы, — сказал Данг. — При тестировании на реальных данных, полученных в ходе исследований нарушений сна, ожирения и рака, наш подход неизменно превосходил существующие методы и выявлял конкретные семейства бактерий, которые соответствуют известным биологическим процессам, что даёт уверенность в том, что система обнаруживает реальные биологические взаимосвязи, а не бессмысленные статистические закономерности».

Поскольку VBayesMM может работать с неопределёнными данными и сообщать о них, он даёт исследователям больше уверенности, чем другие инструменты. Несмотря на то, что система оптимизирована для выполнения сложных аналитических задач, обработка огромных массивов данных по-прежнему требует больших вычислительных ресурсов. Однако со временем это будет всё меньше и меньше препятствовать использованию системы. Другие ограничения на данный момент заключаются в том, что системе требуется больше данных о кишечных бактериях, чем о производимых ими метаболитах. При недостатке данных о бактериях точность снижается. Кроме того, VBayesMM предполагает, что микробы действуют независимо друг от друга, но на самом деле кишечные бактерии взаимодействуют невероятно сложным образом.

«Мы планируем работать с более обширными наборами химических данных, которые охватывают весь спектр продуктов жизнедеятельности бактерий, хотя это создает новые трудности в определении того, откуда берутся химические вещества: от бактерий, человеческого организма или внешних источников, таких как пища», — сказал Данг. «Мы также стремимся сделать VBayesMM более надежным инструментом для анализа различных групп пациентов, включив в него "семейное древо" бактерий для более точного прогнозирования и дальнейшего сокращения времени вычислений, необходимого для анализа. Что касается клинического применения, то конечной целью является определение конкретных бактерий, на которые можно воздействовать с помощью лечения или диеты, чтобы помочь пациентам, и переход от фундаментальных исследований к практическому применению в медицине».

[Фото: ru.123rf.com]