Vaginalni mikrobiom kroz leću sistemske biologije

Vaginalni mikrobiom kroz leću sistemske biologije

Ljudski organizam složen je ekosustav koegzistirajućih mikrobioma, uključujući one u crijevima, koži i vagini kod žena. Oni igraju ključnu ulogu u zdravlju i bolesti. Međutim, o njima se još ima štošta naučiti.

Novi rad nedavno objavljen na internetu u Trendovi u mikrobiologiji Časopis daje pregled sistemsko-biološkog pristupa proučavanju vaginalnog mikrobioma (VMB), koji pomaže u razumijevanju njegovog sastava i funkcije, kao i mehanizama pomoću kojih je u interakciji s domaćinom.

Ispitivanje: Nove perspektive vaginalnog mikrobioma sa sustavnom biologijom. Kredit za sliku: Design_Cells / Shutterstock

uvod

VMB je ključan za žensku plodnost, a poremećaji mogu biti povezani s poremećajima trudnoće, ginekološkim bolestima poput upalne bolesti zdjelice (PID) i brojnim infekcijama koje zahvaćaju ženski urogenitalni i reproduktivni trakt. Osim toga, VMB može utjecati na učinkovitost lijeka kod žena.

Međutim, VMB je slabo shvaćen, osim nejasne ideje da je prevlast Lactobacillusa povezana s "dobrim" stanjem s homogenom strukturom zajednice. Suprotno tome, nepoželjno stanje VMB-a događa se kada se identificira više različitih vrsta u većem obilju.

Ovo posljednje suboptimalno stanje često je povezano s bakterijskom vaginozom (BV), koja se javlja kod jedne od tri žene tijekom reproduktivnih godina i može imati ozbiljne posljedice na njihovu plodnost. Stoga je potrebno istraživanje u ovom području kako bi se shvatio smjer i opseg takvih povezanosti.

Problem

Iako su mnoge studije provedene u ovom području, teško je razumjeti kako izgleda optimalni VMB zbog složenih interakcija između mikroba i drugih faktora domaćina. To znači da zdrav VMB može značajno varirati od žene do žene iu različitim točkama životnog ciklusa iste osobe.

Takve se promjene događaju unutar nekoliko dana, za razliku od puno sporijih promjena uočenih u mikrobiomima crijeva, kože i usne šupljine, koje se mogu mijenjati mjesecima ili čak godinama. Nažalost, ovo čini presječne podatke prilično nereprezentativnima za proučavanje povezanosti sastava, funkcije i bolesti VMB-a i stoga čini većinu ovih podataka manje korisnima nego što bi mogli biti.

I ovdje se ljudski VMB značajno razlikuje od životinjskog i modela temeljenog na kulturi. U prvom slučaju, čak ni primati koji nisu ljudi ne pokazuju karakteristična stanja ljudske vagine, uključujući kiseli pH i dominaciju Lactobacillusa.

U potonjem slučaju, neki mikrobi su nevjerojatno otporni na in vitro kulturu, dok različiti laboratoriji koriste različite uvjete kulture ovisno o mediju. To bi moglo dovesti do toga da se okruženje rasta uvelike razlikuje od ljudskog vrata maternice i vagine, što bi poništilo rezultate takvih eksperimenata.

Kao takvi, klinički uzorci iz kojih se uzgaja, identificira i kvantificira vaginalna mikroflora predstavljaju primarni izvor informacija o ljudskom VMB. Ove informacije obojane su eksperimentalnim varijablama i varijablama domaćina koje zahtijevaju sofisticirane statističke prilagodbe da bi se došlo do valjanog zaključka.

"Iako je relevantno za sva mjesta mikrobioma, [ovo] je posebno primjenjivo na VMB zbog nedostatka eksperimentalnih modela koji omogućuju ispitivanje vaginalne mikrobiote u kontroliranim uvjetima."

Rješenje

Takav se zastoj može riješiti pristupom sistemske biologije, gdje se kvantitativne analize koriste za izdvajanje važnih čimbenika koji utječu na ponašanje i funkciju mikrobne zajednice. Stoga će "upotreba tehnika sistemske biologije primijenjenih na druge mikrobiome, kao i razvoj novih tehnika i primjena tih metoda na VMB, imati značajan utjecaj na poboljšanje zdravlja žena."

Korištenje sistemske biologije može odgovoriti na izazove tako složenih i višestrukih vanjskih i unutarnjih interaktivnih mreža. Osim toga, može se koristiti više pristupa ovisno o vrsti dostupnih informacija i cilju studije.

Stoga su statističke metode ili metode vođene podacima idealne kada su podaci velike propusnosti u izobilju u relativno novom području proučavanja. To može pomoći u pružanju naznaka o tome koji su profili mikroba povezani s bolešću ili zdravljem. Budući da se o VMB-u malo zna, do sada su prevladavali modeli temeljeni na podacima.

Suprotno tome, mehaničke metode temeljene na hipotezama bolje su kada se već mnogo zna o sustavu ili su barem osnovni podaci dostupni i postoji potreba za razumijevanjem mehanizama uzročno-posljedičnih odnosa koji leže u osnovi biološke funkcije. Osim toga, oni pomažu u definiranju raspona unutar kojih se mikrobni sastav i interakcije mogu pojaviti u normalnim i abnormalnim situacijama.

E-knjiga o otkrivanju droga

Kompilacija najboljih intervjua, članaka i vijesti iz prošle godine. Preuzmite besplatnu kopiju

Neke mehaničke metode uključuju modele kinetike masovnog djelovanja ili populacijske dinamike (temeljene na diferencijalnim jednadžbama), metaboličke modele na razini genoma (GEM) i modele temeljene na agentima (ABM).

Što je postignuto?

Pristup sistemske biologije već je pomogao identificirati i kategorizirati tipove stanja zajednice (CST) povezane sa zdravljem, bolešću ili prijelazima između to dvoje. Prvo definirani mikrobiološkim obiljem, integrirali su demografske i zdravstvene podatke pacijenata kako bi formirali hijerarhijske skupine. Osim toga, razvijene su druge metode kao što je klasifikacija najbližeg težišta kako bi se prevladale inherentne varijacije u skupu podataka s prethodnim pristupom.

CST grupiranje pomaže pojednostaviti sastav VMB-a i tako sugerira povezanost sa sastavom i funkcijom zajednice. Međutim, to dolazi po cijenu previda čimbenika zajednice specifičnih za različite svojte.

Pristupi multiomike mogli bi se integrirati u strategije sistemske biologije, na primjer za identifikaciju povezanosti s različitim tipovima zajednica i specifičnim metabolomičkim, transkriptomičkim i metagenomskim profilima. Osim toga, puštaju se u rad nasumični šumski modeli i drugi napredni modeli strojnog učenja kako bi se pomoglo u razlikovanju VMB-ova s ​​dominacijom različitih mikroba kao što su L. crispatus u odnosu na L. iners ili Bifidobacteriaceae.

Zanimljivo je da su modeli neuronske mreže pokazali superiornost metabolomike u točnom opisivanju cervikovaginalnog okoliša u usporedbi s VMB sastavom ili imunoproteomikom. Integrirana primjena ovih strategija mogla bi pomoći u otkrivanju važnih pokretača VMB stanja u zdravlju i bolesti.

Stečeno znanje o riziku od spolno prenosive infekcije (SPI) s povećanom učestalošću "loših" mikroba moglo bi biti osobito važno. Na primjer, čini se da je porast L. iners povezan s većim rizikom od SPI, dok je L. gasseri povezan sa zdravljem. Suprotno tome, vrste Gardnerella vaginalis i Prevotella povezane su s infekcijom klamidijom.

Mehanički modeli uključuju tehniku ​​nazvanu MIMOSA (Integracija opažanja metabolita i obilje vrsta zasnovana na modelu), koja koristi modeliranje metaboličke mreže za razumijevanje funkcije zajednice putem sadržaja gena. Ovo je pomoglo identificirati vrste Prevotella i Atopobium vaginae kao ključne modulatore VMB-a pomoću izračunatog rezultata metabolitskog potencijala (CMP) temeljenog na zajednici. CMP pokazuje promet svakog metabolita u određenoj zajednici.

Slično tome, mrežne rekonstrukcije na razini genoma (GENRE) mogle bi pomoći u razumijevanju uloge sofisticiranih mikroba u VMB-u. Modeli temeljeni na običnoj diferencijalnoj jednadžbi (ODE) koriste se za proučavanje kako lijekovi mogu utjecati na VMB i ekologiju ovog sustava, pokazujući kako sastav fluktuira nakon izlaganja različitim čimbenicima.

Što nas čeka u budućnosti?

Razne studije usredotočile su se na crijevni mikrobiom, s gotovo 150 milijuna dolara uloženih u razvoj i standardizaciju novih alata za njegovo proučavanje. Istraživači VMB-a mogu ih koristiti za vlastite potrebe. To uključuje BURRITO, web alat koji pomaže vizualizirati zajednicu mikrobioma prema relativnom obilju. To bi se moglo proširiti na proučavanje metagenomike VMB-a koja pokazuje kako su simptomi pacijenata povezani s CST-ovima.

Pristupi nadziranog strojnog učenja za bolje razumijevanje VMB-a uključuju analizu integracije podataka za otkrivanje biomarkera pomoću latentnih komponenti (DIABLO), koja integrira omics skupove podataka kroz korelaciju, i rijetku regulariziranu generaliziranu kanoničku korelacijsku analizu (SRGCCA), koja se koristi u Crohnovoj bolesti.

Za prevladavanje ograničenja nametnutih nedostatkom znanja o funkcionalnoj klasifikaciji VMB-a, strategije učenja bez nadzora mogu biti korisne, kao što su: B. multi-omska faktorska analiza (MOFA).

Mnogi ODE modeli također se mogu koristiti na temelju generaliziranih Lotka-Volterra (gLV) modela. To uključuje web-gLV, Microbial Dynamical Systems Inference Engine for Microbiome Time-Series Analysis (MDSINE) i Learning Interactions from Microbial Time Series (LIMITS) metodu, kao i novije prilagodbe kao što su Compositional Lotka-Volterra (cLV) i algoritam "Biomass Estimation and Model Inference with an Expectation Maximization" (BEEM), koji ne ovise o kulturni kapacitet zajednice ili dostupnost velikih longitudinalnih skupova podataka.

Novije metode uključuju algoritme kao što su Constant Yield Expectation Framework (conYE) i MMinte, koji simuliraju uvjete za metabolizam i rast zajednice na temelju guste interakcije između vrsta. Takve sofisticirane prilagodbe i pristupi mogli bi pomoći u razumijevanju čimbenika koji oblikuju dinamički VMB u zdravlju i bolesti u različitim populacijama.

Referenca:

• 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

.