Nyt værktøj leder efter tegn på Alzheimers i tarmmikrobiomet

Nyt værktøj leder efter tegn på Alzheimers i tarmmikrobiomet

Cleveland Clinic-forskere bruger kunstig intelligens til at afdække forbindelsen mellem tarmmikrobiomet og Alzheimers sygdom.

Tidligere undersøgelser har vist, at Alzheimers patienter oplever ændringer i deres tarmbakterier, efterhånden som sygdommen skrider frem. Den nyudgivneCellerapporterStudiet beskriver en beregningsmetode til at bestemme, hvordan bakterielle biprodukter kaldet metabolitter interagerer med receptorer på celler og bidrager til Alzheimers sygdom.

Feixiong Cheng, PhD, stiftende direktør for Cleveland Clinic Genome Center, arbejdede tæt sammen med Luo Ruvo Center for Brain Health og Center for Microbiome and Human Health (CMHH). Undersøgelsen rangerer metabolitter og receptorer efter sandsynligheden for, at de interagerer med hinanden, og sandsynligheden for, at parret påvirker Alzheimers sygdom. Dataene repræsenterer en af ​​de mest omfattende køreplaner til dato for at studere stofskifterelaterede sygdomme.

Bakterier frigiver metabolitter i vores kroppe, da de nedbryder den mad, vi spiser til energi. Metabolitterne interagerer derefter med og påvirker celler og stimulerer cellulære processer, der kan være nyttige eller sundhedsskadelige. Ud over Alzheimers sygdom har forskere forbundet metabolitter med hjertesygdomme, infertilitet, kræft og autoimmune sygdomme og allergier.

Forebyggelse af skadelige interaktioner mellem metabolitter og vores celler kan hjælpe med at bekæmpe sygdom. Forskere arbejder på at udvikle lægemidler til at aktivere eller blokere forbindelsen mellem metabolitter og receptorer på celleoverfladen. Fremskridt med denne tilgang er langsom på grund af den store mængde information, der kræves for at identificere en målreceptor.

Intestinale metabolitter er nøglen til mange fysiologiske processer i vores krop, og for hver nøgle er der en lås på menneskers sundhed og sygdom. Problemet er, at vi har titusindvis af receptorer og tusindvis af metabolitter i vores system. Derfor var det kedeligt og dyrt at finde ud af, hvilken nøgle der passer ind i hvilken lås. Det er derfor, vi besluttede at bruge AI."

Feixiong Cheng, PhD, stiftende direktør, Genome Center, Cleveland Clinic

Holdet af Dr.

Undersøgelsens første forfatter og postdoc ved Cheng Lab, Yunguang Qiu, PhD, ledede et hold, der omfattede J. Mark Brown, PhD, forskningsdirektør, CMMH; James Leverenz, MD, direktør for Cleveland Clinic Luo Ruvo Center for Brain Health og direktør for Cleveland Alzheimers Disease Research Center; og neuropsykolog Jessica Caldwell, PhD, ABPP/CN. Direktør for Women's Alzheimer's Movement Prevention Center på Cleveland Clinic Nevada.

Holdet brugte en form for AI kaldet maskinlæring til at analysere over 1,09 millioner potentielle metabolit-receptorpar og forudsige sandsynligheden for, at hver interaktion bidrog til Alzheimers sygdom.

Analyserne omfattede:

• genetische und proteomische Daten aus menschlichen und präklinischen Studien zur Alzheimer-Krankheit
• unterschiedliche Rezeptor- (Proteinstrukturen) und Metabolitenformen
• wie sich verschiedene Metaboliten auf von Patienten stammende Gehirnzellen auswirken

Holdet undersøgte de metabolit-receptor-par, der mest sandsynligt vil påvirke Alzheimers sygdom i hjerneceller fra patienter med Alzheimers sygdom.

Et molekyle, de fokuserede på, er en beskyttende metabolit kaldet agmatin, som menes at beskytte hjerneceller mod betændelse og relaterede skader. Undersøgelsen viste, at agmatin højst sandsynligt interagerer med en receptor kaldet CA3R ved Alzheimers sygdom.

Behandling af Alzheimer-ramte neuroner med agmatin reducerede direkte CA3R-niveauer, hvilket tyder på, at metabolitten og receptoren påvirker hinanden. Neuroner behandlet med agmatin havde også lavere niveauer af phosphorylerede tau-proteiner, en markør for Alzheimers sygdom.

Dr. Cheng siger, at disse eksperimenter viser, hvordan hans teams AI-algoritmer kan bane vejen for nye forskningsmuligheder i mange sygdomme ud over Alzheimers.

"Vi fokuserede specifikt på Alzheimers sygdom, men metabolit-receptor-interaktioner spiller en rolle i næsten enhver sygdom, der involverer tarmmikrober," sagde han. "Vi håber, at vores metoder kan give en ramme til at fremme hele feltet af metabolit-associerede sygdomme og menneskers sundhed." Nu tager Dr. Cheng og hans team disse AI-teknologier videre og anvender dem til at studere interaktioner mellem genetiske og miljømæssige faktorer (inklusive fødevarer og tarmmetabolitter) på menneskers sundhed og sygdomme, herunder Alzheimers sygdom og andre komplekse sygdomme.

Kilder: