Como a IA está ajudando os pesquisadores a desmistificar bactérias intestinais

Sabe-se que as bactérias intestinais são um fator-chave em muitas preocupações relacionadas à saúde. No entanto, o número e a variedade deles são vastos, assim como as maneiras pelas quais eles interagem com a química do corpo e entre si.

Pela primeira vez, pesquisadores da Universidade de Tóquio usaram um tipo especial de inteligência artificial chamada Rede Neural Bayesiana para investigar um conjunto de dados de bactérias intestinais, a fim de encontrar relacionamentos que as ferramentas analíticas atuais não pudessem identificar com segurança.

O corpo humano inclui cerca de 30 trilhões a 40 trilhões de células, mas seus intestinos contêm cerca de 100 trilhões de bactérias intestinais. Tecnicamente, você está carregando mais células que não fazem parte de você do que são. Obviamente, essas bactérias intestinais são responsáveis ​​por alguns aspectos da digestão, embora o que é surpreendente para alguns é como eles também podem se relacionar com muitos outros aspectos da saúde humana.

As bactérias são incrivelmente variadas e também produzem e modificam um número desconcertante de produtos químicos diferentes chamados metabólitos. Eles agem como mensageiros moleculares, permeando seu corpo, afetando tudo, desde o seu sistema imunológico e metabolismo até a função e o humor do seu cérebro. Escusado será dizer que há muito a ganhar entendendo as bactérias intestinais.

“O problema é que estamos apenas começando a entender quais bactérias produzem quais metabólitos humanos e como esses relacionamentos mudam em diferentes doenças”, disse o pesquisador de projetos Tung Dang, do laboratório de Tsunoda, no Departamento de Ciências Biológicas.

“Ao mapear com precisão essas relações bactérias-químicas, poderíamos potencialmente desenvolver tratamentos personalizados. Imagine ser capaz de cultivar uma bactéria específica para produzir metabólitos humanos benéficos ou projetar terapias direcionadas que modificam esses metabólitos para tratar doenças”.

Isso parece bom, então qual é o problema? Como mencionado, existem incouncamente muitas e variadas bactérias e metabólitos e, portanto, muito mais relações entre essas coisas. A coleta de dados apenas sobre isso é um empreendimento monumental, mas a descompactação desses dados para encontrar padrões interessantes que possam trair alguma função útil é ainda mais. Para fazer isso, Dang e sua equipe decidiram explorar o uso de ferramentas de inteligência artificial (AI) de última geração.

“Nosso sistema, o VBAYESMM, distingue automaticamente os principais players que influenciam significativamente os metabólitos do vasto contexto de micróbios menos relevantes, além de reconhecer a incerteza sobre os relacionamentos previstos, em vez de fornecer respostas excessivas, mas potencialmente erradas”, disse Dang.

“Quando testados em dados reais de distúrbios do sono, obesidade e estudos de câncer, nossa abordagem superou consistentemente os métodos existentes e identificou famílias bacterianas específicas que se alinham a processos biológicos conhecidos, dando confiança de que descobre relacionamentos biológicos reais em vez de padrões estatísticos sem sentido”.

Como o VBayesmm pode lidar e comunicar questões de incerteza, isso oferece aos pesquisadores mais confiança do que uma ferramenta que não o faz. Embora o sistema seja otimizado para lidar com cargas de trabalho analíticas pesadas, a mineração de conjuntos de dados tão enormes ainda vem com alto custo computacional. No entanto, com o passar do tempo, isso se tornará cada vez menos uma barreira para aqueles que desejam usá -los.

Outras limitações atualmente incluem que o sistema se beneficia de ter mais dados sobre as bactérias intestinais do que os metabólitos que produzem; Quando não há dados de bactérias suficientes, a precisão cai. Além disso, o Vbayesmm assume que os micróbios agem de forma independente, mas, na realidade, as bactérias intestinais interagem de um número incrivelmente complexo de maneiras.

“Planejamos trabalhar com conjuntos de dados químicos mais abrangentes que capturam a gama completa de produtos bacterianos, embora isso crie novos desafios para determinar se os produtos químicos vêm de bactérias, corpo humano ou fontes externas como dieta”, disse Dang. “Também pretendemos tornar o VBAYESMM mais robusto ao analisar diversas populações de pacientes, incorporando relacionamentos bacterianos de ‘árvore genealógica’ para fazer melhores previsões e reduzir ainda mais o tempo computacional necessário para a análise.

Para aplicações clínicas, o objetivo final é identificar metas bacterianas específicas para tratamentos ou intervenções alimentares que podem realmente ajudar os pacientes, passando da pesquisa básica em direção a aplicações médicas práticas “.