Nytt verktyg letar efter bevis på Alzheimers i tarmmikrobiomet

Nytt verktyg letar efter bevis på Alzheimers i tarmmikrobiomet

Forskare från Cleveland Clinic använder artificiell intelligens för att avslöja sambandet mellan tarmmikrobiomet och Alzheimers sjukdom.

Tidigare studier har visat att Alzheimers patienter upplever förändringar i sina tarmbakterier när sjukdomen fortskrider. Den nyutgivnaCellrapporterStudien beskriver en beräkningsmetod för att fastställa hur bakteriella biprodukter som kallas metaboliter interagerar med receptorer på celler och bidrar till Alzheimers sjukdom.

Feixiong Cheng, PhD, grundare av Cleveland Clinic Genome Center, arbetade nära med Luo Ruvo Center for Brain Health och Center for Microbiome and Human Health (CMHH). Studien rangordnar metaboliter och receptorer efter sannolikheten att de interagerar med varandra och sannolikheten att paret påverkar Alzheimers sjukdom. Data representerar en av de mest omfattande färdplanerna hittills för att studera ämnesomsättningsrelaterade sjukdomar.

Bakterier frisätter metaboliter i våra kroppar när de bryter ner maten vi äter för energi. Metaboliterna interagerar sedan med och påverkar celler, vilket stimulerar cellulära processer som kan vara till hjälp eller skadliga för hälsan. Förutom Alzheimers sjukdom har forskare kopplat metaboliter till hjärtsjukdomar, infertilitet, cancer och autoimmuna sjukdomar och allergier.

Att förhindra skadliga interaktioner mellan metaboliter och våra celler kan hjälpa till att bekämpa sjukdomar. Forskare arbetar med att utveckla läkemedel för att aktivera eller blockera associeringen av metaboliter med receptorer på cellytan. Framstegen med detta tillvägagångssätt är långsamt på grund av den stora mängd information som krävs för att identifiera en målreceptor.

Intestinala metaboliter är nyckeln till många fysiologiska processer i vår kropp, och för varje nyckel finns det ett lås för människors hälsa och sjukdomar. Problemet är att vi har tiotusentals receptorer och tusentals metaboliter i vårt system. Att manuellt räkna ut vilken nyckel som passar i vilket lås var därför tråkigt och kostsamt. Det var därför vi bestämde oss för att använda AI."

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

Teamet av Dr.

Studiens första författare och postdoktor vid Cheng Lab, Yunguang Qiu, PhD, ledde ett team som inkluderade J. Mark Brown, PhD, forskningschef, CMMH; James Leverenz, MD, chef för Cleveland Clinic Luo Ruvo Center for Brain Health och chef för Cleveland Alzheimers Disease Research Center; och neuropsykolog Jessica Caldwell, PhD, ABPP/CN. Direktör för Women's Alzheimers Movement Prevention Center vid Cleveland Clinic Nevada.

Teamet använde en form av AI som kallas maskininlärning för att analysera över 1,09 miljoner potentiella metabolit-receptorpar och förutsäga sannolikheten att varje interaktion bidrog till Alzheimers sjukdom.

Analyserna omfattade:

• 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 undersökte de metabolit-receptorpar som mest sannolikt påverkar Alzheimers sjukdom i hjärnceller från patienter med Alzheimers sjukdom.

En molekyl de fokuserade på är en skyddande metabolit som kallas agmatin, som tros skydda hjärnceller från inflammation och relaterade skador. Studien fann att agmatin med största sannolikhet interagerar med en receptor som kallas CA3R vid Alzheimers sjukdom.

Att behandla Alzheimer-drabbade neuroner med agmatin minskade direkt CA3R-nivåerna, vilket tyder på att metaboliten och receptorn påverkar varandra. Neuroner som behandlats med agmatin hade också lägre nivåer av fosforylerade tau-proteiner, en markör för Alzheimers sjukdom.

Dr. Cheng säger att dessa experiment visar hur hans teams AI-algoritmer kan bana väg för nya forskningsvägar om många sjukdomar bortom Alzheimers.

"Vi fokuserade specifikt på Alzheimers sjukdom, men metabolit-receptorinteraktioner spelar en roll i nästan alla sjukdomar som involverar tarmmikrober," sade han. "Vi hoppas att våra metoder kan ge ett ramverk för att främja hela området för metabolitrelaterade sjukdomar och människors hälsa." Nu tar Dr. Cheng och hans team dessa AI-tekniker vidare och tillämpar dem för att studera interaktioner mellan genetiska och miljömässiga faktorer (inklusive mat och tarmmetaboliter) på människors hälsa och sjukdomar, inklusive Alzheimers sjukdom och andra komplexa sjukdomar.

Källor: