Ableitung ursächlicher mikrobieller Merkmale aus metagenomischen Daten begrenzter Proben

Zunehmende Belege deuten auf einen Zusammenhang zwischen Darmmikrobiota und zahlreichen durch Metagemomie (MWAS) abgeleiteten Krankheiten hin, was darauf hindeutet, dass die Mikrobiota eine der vielversprechendsten und wirksamsten Strategien zur Bekämpfung dieser Krankheiten darstellt. Die Ableitung von Kausalitäten und starken Assoziationen aus hochdimensionalen Daten ist jedoch eine große Herausforderung, was zu einer geringen Übereinstimmung bei der Identifizierung kausaler Mikroben zwischen metagenomischen Studien führt.

Obwohl große Anstrengungen unternommen wurden, um die zahlreichen störenden Cofaktoren, die die menschliche Mikrobiota bekanntermaßen komplex und äußerst variabel machen, wirksam zu kontrollieren, ist es noch ein weiter Weg, wenn es darum geht, die individuelle Heterogenität in Querschnittsstudien zu berücksichtigen.

In einer neuen Studie unter der Leitung von Prof. Yu Kang vom CAS Key Laboratory of Genome Sciences and Information, dem Beijing Institute of Genomics der Chinesischen Akademie der Wissenschaften und dem China National Center for Bioinformation hat ein Forscherteam ein Open-Access-Tool entwickelt: Virtual Twins (VTwins), das die Identifizierung krankheitsverursachender Mikroben aus komplexen metagenomischen Daten erheblich verbessert.

Die Forschung ist veröffentlicht im Tagebuch Wissenschaftsbulletin.

Der innovative Ansatz von VTwins ist von Zwillingsstudien in der Genforschung inspiriert, bei denen Zwillingsproben nachgeahmt werden, wodurch der hochvariable genetische Hintergrund perfekt kontrolliert, die erforderliche Probengröße erheblich reduziert und häufig Erfolge bei der Identifizierung krankheitsverursachender genetischer Variationen erzielt werden können.

Die Forscher wählen gepaarte Proben unterschiedlicher Phänotypen, aber übereinstimmender taxonomischer Profile aus, um aus der ursprünglichen Gruppenkohorte eine neue „Zwillings“-Kohorte zu rekonstruieren. Durch diesen einfachen Übergang ist VTwins in der Lage, die hochvariablen metagenomischen Störfaktoren effektiv zu kontrollieren und in den nachfolgenden statistischen Tests für gepaarte Proben eine hohe Signifikanz zu erreichen.

Die Leistungsbewertung von VTwins unter Verwendung sowohl simulierter als auch empirischer metagenomischer Datensätze zeigte die überlegene Leistung bei der Identifizierung ursächlicher Merkmale, selbst bei reduzierten Stichprobengrößen. Darüber hinaus wurde VTwins mit 16 anderen Softwareprogrammen verglichen und auf Wirksamkeit und Anwendbarkeit validiert.

Dieses Tool eignet sich besonders gut für die Kontrolle nicht relevanter Störfaktoren und die Minimierung von Hintergrundgeräuschen, die häufige Herausforderungen in der Metagenomforschung darstellen. Dadurch wird die Probengröße, die zur Identifizierung krankheitsassoziierter mikrobieller Merkmale erforderlich ist, um das Zehnfache reduziert, was VTwins zu einem unschätzbar wertvollen Werkzeug für die hochdimensionale Datenanalyse im Big-Data-Zeitalter macht.

Da die metagenomische Forschung weiterhin die Aufmerksamkeit auf die Beziehungen zwischen der menschlichen Mikrobiota und einer Reihe von Krankheitszuständen lenkt, sind Tools wie VTwins von entscheidender Bedeutung für ein aufschlussreiches Verständnis der Pathogenese von Krankheiten.

VTwins ist Open Access und sofort online verfügbar.