Nytt verktøy ser etter bevis på Alzheimers i tarmmikrobiomet

Nytt verktøy ser etter bevis på Alzheimers i tarmmikrobiomet

Cleveland Clinic-forskere bruker kunstig intelligens for å avdekke sammenhengen mellom tarmmikrobiomet og Alzheimers sykdom.

Tidligere studier har vist at Alzheimerpasienter opplever endringer i tarmbakteriene etter hvert som sykdommen utvikler seg. Den nylig publiserteCellerapporterStudien beskriver en beregningsmetode for å bestemme hvordan bakterielle biprodukter kalt metabolitter interagerer med reseptorer på celler og bidrar til Alzheimers sykdom.

Feixiong Cheng, PhD, grunnlegger av Cleveland Clinic Genome Center, jobbet tett med Luo Ruvo Center for Brain Health og Center for Microbiome and Human Health (CMHH). Studien rangerer metabolitter og reseptorer etter sannsynligheten for at de interagerer med hverandre og sannsynligheten for at paret påvirker Alzheimers sykdom. Dataene representerer et av de mest omfattende veikartene til dags dato for å studere metabolismerelaterte sykdommer.

Bakterier frigjør metabolitter i kroppen vår når de bryter ned maten vi spiser for energi. Metabolittene samhandler deretter med og påvirker celler, og stimulerer cellulære prosesser som kan være nyttige eller skadelige for helsen. I tillegg til Alzheimers sykdom, har forskere knyttet metabolitter til hjertesykdom, infertilitet, kreft og autoimmune sykdommer og allergier.

Å forhindre skadelige interaksjoner mellom metabolitter og cellene våre kan bidra til å bekjempe sykdom. Forskere jobber med å utvikle medisiner for å aktivere eller blokkere assosiasjonen av metabolitter med reseptorer på celleoverflaten. Fremgangen på denne tilnærmingen er langsom på grunn av den store mengden informasjon som kreves for å identifisere en målreseptor.

Intestinale metabolitter er nøkkelen til mange fysiologiske prosesser i kroppen vår, og for hver nøkkel er det en lås på menneskers helse og sykdom. Problemet er at vi har titusenvis av reseptorer og tusenvis av metabolitter i systemet vårt. Derfor var det kjedelig og kostbart å finne ut hvilken nøkkel som passer inn i hvilken lås manuelt. Det er derfor vi bestemte oss for å bruke AI."

Feixiong Cheng, PhD, grunnlegger, Genome Center, Cleveland Clinic

Teamet til Dr.

Studiens første forfatter og postdoktor ved Cheng Lab, Yunguang Qiu, PhD, ledet et team som inkluderte 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 nevropsykolog Jessica Caldwell, PhD, ABPP/CN. Direktør for Women's Alzheimers Movement Prevention Center ved Cleveland Clinic Nevada.

Teamet brukte en form for AI kalt maskinlæring for å analysere over 1,09 millioner potensielle metabolitt-reseptorpar og forutsi sannsynligheten for at hver interaksjon bidro til Alzheimers sykdom.

Analysene inkluderte:

• 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

Teamet undersøkte metabolitt-reseptorparene som mest sannsynlig vil påvirke Alzheimers sykdom i hjerneceller fra pasienter med Alzheimers sykdom.

Et molekyl de fokuserte på er en beskyttende metabolitt kalt agmatin, som antas å beskytte hjerneceller mot betennelse og relatert skade. Studien fant at agmatin mest sannsynlig interagerer med en reseptor kalt CA3R ved Alzheimers sykdom.

Behandling av Alzheimer-påvirkede nevroner med agmatin reduserte CA3R-nivåer direkte, noe som tyder på at metabolitten og reseptoren påvirker hverandre. Nevroner behandlet med agmatin hadde også lavere nivåer av fosforylerte tau-proteiner, en markør for Alzheimers sykdom.

Dr. Cheng sier at disse eksperimentene viser hvordan teamets AI-algoritmer kan bane vei for nye forskningsveier på mange sykdommer utover Alzheimers.

"Vi fokuserte spesielt på Alzheimers sykdom, men metabolitt-reseptorinteraksjoner spiller en rolle i nesten alle sykdommer som involverer tarmmikrober," sa han. "Vi håper at metodene våre kan gi et rammeverk for å fremme hele feltet av metabolittassosierte sykdommer og menneskers helse." Nå tar Dr. Cheng og teamet hans disse AI-teknologiene videre og bruker dem til å studere interaksjoner mellom genetiske og miljømessige faktorer (inkludert mat og tarmmetabolitter) på menneskers helse og sykdom, inkludert Alzheimers sykdom og andre komplekse sykdommer.

Kilder: