Vaginaalne mikrobioom läbi süsteemibioloogia objektiivi

Vaginaalne mikrobioom läbi süsteemibioloogia objektiivi

Inimorganism on kooseksisteerivate mikrobioomide, sealhulgas naiste soolestikus, nahas ja tupes paiknevate mikrobioomide kompleksne ökosüsteem. Need mängivad olulist rolli tervises ja haigustes. Nende kohta on aga veel palju õppida.

Hiljuti veebis avaldatud uus paber Mikrobioloogia suundumused Ajakirjas käsitletakse süsteemibioloogia lähenemisviisi vaginaalse mikrobioomi (VMB) uurimisel, mis aitab mõista selle koostist ja funktsiooni, samuti mehhanisme, mille abil see peremeesorganismiga suhtleb.

Eksam: Uued vaatenurgad tupe mikrobioomile süsteemibioloogiaga. Pildi krediit: Design_Cells / Shutterstock

sissejuhatus

VMB on naiste viljakuse seisukohalt ülioluline ning häireid võib seostada rasedushäirete, günekoloogiliste haigustega, nagu vaagnapõletiku haigus (PID) ja mitmete naiste urogenitaal- ja reproduktiivtrakti infektsioonidega. Lisaks võib VMB aidata mõjutada ravimite efektiivsust naistel.

VMB on aga halvasti mõistetav, välja arvatud ebamäärane idee, et Lactobacilluse ülekaal on seotud homogeense kogukonnastruktuuriga "hea" seisundiga. Vastupidi, VMB ebasoovitav seisund tekib siis, kui tuvastatakse rohkem erinevaid liike.

Seda viimast suboptimaalset seisundit seostatakse sageli bakteriaalse vaginoosiga (BV), mis esineb igal kolmandal naisel nende reproduktiivaastatel ja millel võivad olla tõsised tagajärjed nende viljakusele. Seetõttu on selliste ühenduste suuna ja ulatuse mõistmiseks vaja selle valdkonna uuringuid.

Probleem

Kuigi selles valdkonnas on läbi viidud palju uuringuid, on mikroobide ja muude peremeesfaktorite vahelise keeruka interaktsiooni tõttu raske mõista, milline optimaalne VMB välja näeb. See tähendab, et terve VMB võib naiseti ja sama inimese elutsükli eri punktides oluliselt erineda.

Sellised muutused toimuvad mõne päeva jooksul, erinevalt soolestiku, naha ja suu mikrobioomide palju aeglasemast muutusest, mis võib muutuda kuude või isegi aastate jooksul. Kahjuks muudab see ristlõikeandmed VMB koostise, funktsiooni ja haiguste seoste uurimiseks üsna ebaesinduslikuks ja muudab enamiku neist andmetest vähem kasulikuks, kui nad võiksid olla.

Siingi erineb inimese VMB oluliselt loomade ja kultuuripõhiste mudelite omast. Esimesel juhul ei esine isegi ahvilistel inimese tupe iseloomulikke tingimusi, sealhulgas happelist pH-d ja laktobatsillide domineerimist.

Viimasel juhul on mõned mikroobid in vitro kultuuri suhtes uskumatult vastupidavad, samas kui erinevad laborid kasutavad sõltuvalt söötmest erinevaid kultiveerimistingimusi. See võib muuta kasvukeskkonna inimese emakakaela ja tupe omast väga erinevaks, mis muudaks selliste katsete tulemused kehtetuks.

Sellisena on kliinilised proovid, millest tupe mikrofloorat kultiveeritakse, identifitseeritakse ja kvantifitseeritakse, peamiseks teabeallikaks inimese VMB kohta. Seda teavet värvivad eksperimentaalsed ja hostmuutujad, mis nõuavad täpseid statistilisi kohandusi, et jõuda kehtivale järeldusele.

"Kuigi see on asjakohane kõigi mikrobioomi saitide jaoks, on [see] eriti kohaldatav VMB jaoks, kuna puuduvad eksperimentaalsed mudelid, mis võimaldavad kontrollida tupe mikrobiota kontrollitud tingimustes."

Lahendus

Sellise ummikseisu saab lahendada süsteemibioloogia lähenemisviisiga, kus kvantitatiivseid analüüse kasutatakse mikroobikoosluse käitumist ja funktsiooni mõjutavate oluliste tegurite väljavõtmiseks. Seetõttu on "muude mikrobioomide suhtes rakendatavate süsteemibioloogia tehnikate kasutamisel, samuti uudsete tehnikate väljatöötamisel ja nende meetodite rakendamisel VMB-s oluline mõju naiste tervise parandamisele."

Süsteemibioloogia kasutamine võib lahendada selliste keerukate ja mitmete väliste ja sisemiste interaktiivsete võrkude väljakutseid. Lisaks saab olenevalt saadaoleva teabe tüübist ja uuringu eesmärgist kasutada mitut lähenemisviisi.

Seetõttu on statistilised või andmepõhised meetodid ideaalsed, kui suure läbilaskevõimega andmeid on suhteliselt uues uurimisvaldkonnas palju. See võib aidata anda vihjeid selle kohta, millised mikroobiprofiilid on seotud haiguse või tervisega. Kuna VMB-st on vähe teada, on seni domineerinud andmepõhised mudelid.

Seevastu hüpoteesidel põhinevad mehhaanilised meetodid on paremad, kui süsteemi kohta on juba palju teada või vähemalt põhiandmed on olemas ja on vaja mõista bioloogilise funktsiooni aluseks olevate põhjus-tagajärg seoste mehhanisme. Lisaks aitavad need määratleda vahemikke, mille piires võib normaalsetes ja ebanormaalsetes olukordades esineda mikroobide koostist ja koostoimeid.

Narkootikumide avastamise e-raamat

Eelmise aasta tippintervjuude, artiklite ja uudiste koostamine. Laadige alla tasuta koopia

Mõned mehhaanilised meetodid hõlmavad massilise toime kineetikat või populatsiooni dünaamika mudeleid (diferentsiaalvõrranditel põhinevaid), genoomipõhiseid metaboolseid mudeleid (GEM) ja ainepõhiseid mudeleid (ABM).

Mida on saavutatud?

Süsteemibioloogia lähenemisviis on juba aidanud tuvastada ja kategoriseerida kogukonna seisunditüüpe (CST), mis on seotud tervise, haiguse või nende kahe üleminekuga. Esmalt määratleti mikroobide arvukuse järgi, integreerisid nad patsientide demograafilised ja terviseandmed, moodustades hierarhilised klastrite rühmad. Lisaks on eelmise lähenemisviisiga andmestiku olemusliku erinevuse ületamiseks välja töötatud muid meetodeid, näiteks lähima tsentroidi klassifikatsiooni.

CST rühmitused aitavad VMB koosseisu lihtsustada ja soovitavad seega seoseid kogukonna koosseisu ja funktsiooniga. Selle hinnaks on aga erinevatele taksonitele omaste kogukonna tegurite tähelepanuta jätmine.

Multi-oomika lähenemisviise võiks integreerida süsteemibioloogia strateegiatesse, näiteks tuvastada seoseid erinevat tüüpi kogukondadega ning spetsiifiliste metaboolsete, transkriptoomiliste ja metagenoomiliste profiilidega. Lisaks võetakse kasutusele juhuslikud metsamudelid ja muud täiustatud masinõppe mudelid, mis aitavad eristada VMB-sid, kus domineerivad erinevad mikroobid, nagu L. crispatus vs. L. iners või Bifidobacteriaceae.

Huvitaval kombel on närvivõrgu mudelid näidanud metaboolika paremust emakakaela-vaginaalse keskkonna täpsel kirjeldamisel võrreldes VMB koostise või immunoproteoomikaga. Nende strateegiate integreeritud rakendamine võib aidata välja selgitada VMB seisundite olulised tegurid tervises ja haigustes.

Eriti olulised võivad olla omandatud teadmised sugulisel teel leviva nakkuse (STI) riski kohta, millega kaasneb „halbade” mikroobide suurenenud esinemissagedus. Näiteks näib, et L. inersi suurenemine on seotud suurema STI-de riskiga, samas kui L. gasseri on seotud tervisega. Seevastu Gardnerella vaginalis ja Prevotella liigid on seotud klamüüdia infektsiooniga.

Mehhaanilised mudelid hõlmavad tehnikat nimega MIMOSA (Model-based Integration of Metabolite Observations and Species Abundances), mis kasutab metaboolse võrgu modelleerimist, et mõista kogukonna funktsiooni oma geenisisalduse kaudu. See aitas tuvastada Prevotella liike ja Atopobium vaginae VMB peamiste modulaatoritena, kasutades arvutatud kogukonnapõhise metaboliidipotentsiaali (CMP) skoori. CMP näitab iga metaboliidi käivet antud kogukonnas.

Samamoodi võiksid genoomipõhised võrgurekonstruktsioonid (GENRE-d) aidata mõista keeruliste mikroobide rolli VMB-s. Tavalisi diferentsiaalvõrrandi (ODE) põhiseid mudeleid kasutatakse selleks, et uurida, kuidas ravimid võivad mõjutada VMB-d ja selle süsteemi ökoloogiat, näidates, kuidas koostis kõigub pärast kokkupuudet erinevate teguritega.

Mis peitub tulevikus?

Erinevad uuringud on keskendunud soolestiku mikrobioomile, ligi 150 miljonit dollarit on investeeritud selle uurimise uute tööriistade väljatöötamisse ja standardimisse. VMB teadlased saavad neid kasutada oma eesmärkidel. See hõlmab veebitööriista BURRITO, mis aitab visualiseerida mikrobioomi kogukonda suhtelise arvukuse järgi. Seda võiks laiendada, et uurida VMB metagenoomikat, mis näitab, kuidas patsiendi sümptomid on seotud CST-dega.

Juhendatud masinõppe lähenemisviisid VMB paremaks mõistmiseks hõlmavad varjatud komponente (DIABLO) kasutavat biomarkeri tuvastamise andmeintegratsiooni analüüsi, mis integreerib korrelatsiooni kaudu omika andmestikke, ja Crohni tõve puhul kasutatavat hõreda regulaarset üldistatud kanoonilist korrelatsioonianalüüsi (SRGCCA).

VMB funktsionaalse klassifikatsiooni alaste teadmiste puudumisest tulenevate piirangute ületamiseks võivad olla kasulikud järelevalveta õppimisstrateegiad, näiteks: B. Multi-omic faktorianalüüs (MOFA).

Paljusid ODE mudeleid saab kasutada ka üldistatud Lotka-Volterra (gLV) mudelite põhjal. Nende hulka kuuluvad web-gLV, Microbial Dynamical Systems Inference Engine for Microbiome Time-Series Analysis (MDSINE) ja Learning Interactions from Microbial Time Series (LIMITS) meetod, aga ka uuemad kohandused, nagu Compositional Lotka-Volterra (cLV) ja "Biomass Estimation with Maximization and Exoripects" ei sõltu kultuurilisest suutlikkusest ühenduse või suurte pikisuunaliste andmekogumite kättesaadavus.

Uuemad meetodid hõlmavad selliseid algoritme nagu Constant Yield Expectation Framework (conYE) ja MMinte, mis simuleerivad ainevahetuse ja kogukonna kasvu tingimusi, mis põhinevad liikidevahelisel tihedal interaktsioonil. Sellised keerukad kohandused ja lähenemisviisid võivad aidata mõista tegureid, mis kujundavad dünaamilist VMB-d tervises ja haigustes erinevates populatsioonides.

Viide:

• 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

.