Vaginální mikrobiom optikou systémové biologie

Vaginální mikrobiom optikou systémové biologie

Lidský organismus je komplexním ekosystémem koexistujících mikrobiomů, včetně mikrobiomů ve střevech, kůži a vagíně u žen. Ty hrají zásadní roli ve zdraví a nemoci. Stále je však o nich co učit.

Nový článek nedávno zveřejněný online v Trendy v mikrobiologii Časopis přezkoumává přístup systémové biologie ke studiu vaginálního mikrobiomu (VMB), který pomáhá pochopit jeho složení a funkci, stejně jako mechanismy, kterými interaguje s hostitelem.

Zkouška: Nové pohledy na vaginální mikrobiom se systémovou biologií. Obrazový kredit: Design_Cells / Shutterstock

zavedení

VMB je zásadní pro ženskou plodnost a poruchy mohou být spojeny s poruchami těhotenství, gynekologickými onemocněními, jako je zánětlivé onemocnění pánve (PID), a řadou infekcí postihujících ženský urogenitální a reprodukční trakt. Kromě toho může VMB pomoci ovlivnit účinnost léků u žen.

VMB je však špatně pochopena, kromě vágní představy, že převaha Lactobacillus je spojena s „dobrým“ stavem s homogenní strukturou komunity. Naopak k nežádoucímu stavu VMB dochází, když jsou ve větším množství identifikovány rozmanitější druhy.

Tento poslední suboptimální stav je často spojen s bakteriální vaginózou (BV), která se vyskytuje u každé třetí ženy během reprodukčního věku a může mít vážné důsledky pro jejich plodnost. Proto je zapotřebí výzkum v této oblasti, abychom pochopili směr a rozsah takových asociací.

Problém

Přestože v této oblasti bylo provedeno mnoho studií, je obtížné pochopit, jak vypadá optimální VMB kvůli komplexním interakcím mezi mikroby a dalšími hostitelskými faktory. To znamená, že zdravá VMB se může významně lišit od ženy k ženě a v různých bodech životního cyklu stejné osoby.

K takovým změnám dochází během několika dní, na rozdíl od mnohem pomalejších změn pozorovaných ve střevních, kožních a ústních mikrobiomech, které se mohou měnit v průběhu měsíců nebo dokonce let. Bohužel to činí průřezová data zcela nereprezentativními pro studium asociace složení, funkce a onemocnění VMB – a proto je většina těchto dat méně užitečná, než by mohla být.

I zde se lidská VMB významně liší od zvířat a modelů založených na kultuře. V prvním případě ani subhumánní primáti nevykazují charakteristické stavy lidské vagíny, včetně kyselého pH a dominance Lactobacillus.

V druhém případě jsou některé mikroby neuvěřitelně odolné vůči kultivaci in vitro, zatímco různé laboratoře používají různé kultivační podmínky v závislosti na médiu. To by mohlo způsobit, že se růstové prostředí velmi liší od prostředí lidského děložního čípku a pochvy, což by výsledky takových experimentů znehodnotilo.

Klinické vzorky, ze kterých je kultivována, identifikována a kvantifikována vaginální mikroflóra, představují primární zdroj informací o lidské VMB. Tyto informace jsou zabarveny experimentálními a hostitelskými proměnnými, které vyžadují sofistikované statistické úpravy k dosažení platného závěru.

"Ačkoli je to relevantní pro všechna místa mikrobiomu, [toto] je zvláště použitelné pro VMB kvůli nedostatku experimentálních modelů, které umožňují dotazování vaginální mikroflóry za kontrolovaných podmínek."

Řešení

Taková slepá ulička může být vyřešena přístupem systémové biologie, kde se kvantitativní analýzy používají k extrakci důležitých faktorů, které ovlivňují chování a funkci mikrobiální komunity. Proto „použití technik systémové biologie aplikovaných na jiné mikrobiomy, stejně jako vývoj nových technik a aplikace těchto metod na VMB, bude mít významný dopad na zlepšení zdraví žen.“

Využití systémové biologie může řešit problémy takových složitých a mnohonásobných externích a interních interaktivních sítí. Kromě toho lze použít více přístupů v závislosti na typu dostupných informací a cíli studie.

Statistické metody nebo metody založené na datech jsou proto ideální tam, kde je v relativně novém oboru dostatek dat s vysokou propustností. To může pomoci poskytnout vodítka o tom, které mikrobiální profily jsou spojeny s nemocí nebo zdravím. Vzhledem k tomu, že se o VMB ví jen málo, zatím převládaly modely založené na datech.

Naopak, mechanistické metody založené na hypotézách jsou lepší, když je o systému již mnoho známo nebo jsou k dispozici alespoň základní data a je potřeba porozumět mechanismům vztahů příčiny a následku, které jsou základem biologické funkce. Kromě toho pomáhají definovat rozsahy, ve kterých může mikrobiální složení a interakce nastat v normálních a abnormálních situacích.

E-kniha Objev drog

Kompilace top rozhovorů, článků a novinek za poslední rok. Stáhněte si bezplatnou kopii

Některé mechanistické metody zahrnují kinetiku hromadné akce nebo modely populační dynamiky (založené na diferenciálních rovnicích), metabolické modely na úrovni genomu (GEM) a modely založené na činidlech (ABM).

Čeho bylo dosaženo?

Přístup systémové biologie již pomohl identifikovat a kategorizovat typy komunitních stavů (CST) spojené se zdravím, nemocí nebo přechody mezi nimi. Nejprve byly definovány mikrobiálním množstvím, integrovaly demografická a zdravotní data pacientů a vytvořily hierarchické seskupovací skupiny. Kromě toho byly vyvinuty další metody, jako je klasifikace nejbližšího těžiště, aby se překonala inherentní odchylka v souboru dat s předchozím přístupem.

Seskupení CST pomáhají zjednodušit složení VMB, a tak navrhnout spojení se složením a funkcí komunity. To však přichází za cenu přehlédnutí komunitních faktorů specifických pro různé taxony.

Multi-omické přístupy by mohly být integrovány do strategií systémové biologie, například k identifikaci asociací s různými typy komunit a specifickými profily metabolomiky, transkriptomiky a metagenomiky. Kromě toho jsou uváděny do provozu náhodné lesní modely a další pokročilé modely strojového učení, které pomáhají rozlišit VMB s dominancí různých mikrobů, jako jsou L. crispatus vs. L. iners nebo Bifidobacteriaceae.

Je zajímavé, že modely neuronové sítě prokázaly nadřazenost metabolomiky v přesném popisu cervikovaginálního prostředí ve srovnání s VMB složením nebo imunoproteomikou. Integrovaná aplikace těchto strategií by mohla pomoci odhalit důležité hnací síly stavů VMB ve zdraví a nemoci.

Zvláště důležité mohou být získané poznatky o riziku sexuálně přenosné infekce (STI) se zvýšenou frekvencí „špatných“ mikrobů. Například zvýšení L. iners se zdá být spojeno s vyšším rizikem STI, zatímco L. gasseri je spojeno se zdravím. Naopak druhy Gardnerella vaginalis a Prevotella jsou spojeny s chlamydiovou infekcí.

Mechanistické modely zahrnují techniku ​​zvanou MIMOSA (Model-based Integration of Metabolite Observations and Species Abundances), která využívá modelování metabolické sítě k pochopení funkce komunity prostřednictvím jejího genového obsahu. To pomohlo identifikovat druhy Prevotella a Atopobium vaginae jako klíčové modulátory VMB pomocí vypočítaného skóre komunitního metabolitového potenciálu (CMP). CMP ukazuje obrat každého metabolitu danou komunitou.

Podobně by rekonstrukce sítě na úrovni genomu (GENRE) mohly pomoci pochopit roli sofistikovaných mikrobů ve VMB. Modely založené na obyčejných diferenciálních rovnicích (ODE) se používají ke studiu toho, jak mohou léky ovlivnit VMB a ekologii tohoto systému, přičemž ukazují, jak složení kolísá po vystavení různým faktorům.

Co leží v budoucnosti?

Řada studií se zaměřila na střevní mikrobiom, přičemž do vývoje a standardizace nových nástrojů pro jeho studium bylo investováno téměř 150 milionů dolarů. Výzkumníci VMB je mohou použít pro své vlastní účely. To zahrnuje BURRITO, webový nástroj, který pomáhá vizualizovat komunitu mikrobiomů podle relativního množství. To by mohlo být rozšířeno o studium metagenomiky VMB ukazující, jak symptomy pacientů souvisí s CST.

Mezi kontrolované přístupy strojového učení pro lepší pochopení VMB patří Data Integration Analysis pro Biomarker Discovery pomocí latentních komponent (DIABLO), která integruje omické datové sady prostřednictvím korelace, a Sparse Regularized Generalized Canonical Correlation Analysis (SRGCCA), používaná u Crohnovy choroby.

K překonání omezení způsobených nedostatkem znalostí o funkční klasifikaci VMB mohou být užitečné strategie učení bez dozoru, jako jsou: B. multi-omická faktorová analýza (MOFA).

Mnoho modelů ODE lze také použít na základě modelů Generalized Lotka-Volterra (gLV). Patří mezi ně web-gLV, Microbial Dynamical Systems Inference Engine for Microbiom Time-Series Analysis (MDSINE) a metoda Learning Interactions from Microbial Time Series (LIMITS), stejně jako novější adaptace, jako je Compositional Lotka-Volterra (cLV) a „Odhad biomasy a modelová inference“, které nejsou závislé na kulturní kapacitě očekávání BE komunita nebo dostupnost velkých longitudinálních datových souborů.

Mezi novější metody patří algoritmy jako Constant Yield Expectation Framework (conYE) a MMinte, které simulují podmínky pro metabolismus a růst komunity na základě hustých interakcí mezi druhy. Takové sofistikované úpravy a přístupy by mohly pomoci porozumět faktorům, které utvářejí dynamickou VMB ve zdraví a nemoci v různých populacích.

Odkaz:

• Lee, CYet al. (2022). Neue Perspektiven in das vaginale Mikrobiom mit Systembiologie. Trends in der Mikrobiologie. https://doi.org/10.1016/j.tim.2022.09.011. https://www.sciencedirect.com/science/article/abs/pii/S0966842X22002578

.