慢性炎症性疾患の診断ツールとしての機械学習による腸内細菌叢のパターンと食物繊維に対する応答性

新しい結果 このプレプリントをフォローする
慢性炎症性疾患の診断ツールとしての機械学習による腸内細菌叢のパターンと食物繊維に対する応答性

al-20230327534466v1full.pdf

5.27 MB

ファイルダウンロードについて

ダウンロード

Miad Boodaghidizaji、Arezoo Ardekani。
doi: https://doi.org/10.1101/2023.03.27.534466
この記事はプレプリントであり、査読の認定を受けていません［これはどういう意味でしょうか］。
0000003
アブストラクト
インフォメーション/ヒストリー
メトリックス
プレビューPDF
アブストラクト
腸内細菌は、複数の研究において腸内細菌叢の組成と機能の破綻（dysbiosis）が確認されている複数の消化管（GI）および全身性の代謝・炎症性疾患の病因に関与しているとされています。このように、ヒトマイクロバイオームデータは、微生物叢の形成不全を伴う疾患の診断や疾患特性（表現型、疾患経過、治療反応）のための大きな情報源となる可能性を秘めています。しかし、腸内細菌叢の分類学的データを診断や疾患の特徴づけに活用しようとする複数の試みは、細菌叢の個人間変動が大きいことや、複数の疾患間で崩壊した細菌叢の重複があることから、失敗に終わっています。一つの可能性として、異なる疾病状態における微生物群集のパターンと食物繊維のような微生物群集修飾物質に対する反応を見ることが挙げられる。このアプローチは、ヒトのマイクロバイオームにおける隠れたパターンを特定し、疾患を予測することができる機械学習が利用できるようになったことで、実現可能になっている。そこで、本研究の目的は、機械学習アルゴリズムの適用により、便の微生物叢パターンや食物繊維に対する微生物叢の反応を、これまで重複して報告されてきた疾患間で識別できるという仮説を検証することである。ここでは、機械学習アルゴリズムを適用して、パーキンソン病、クローン病（CD）、潰瘍性大腸炎（UC）、ヒト免疫不全ウイルス（HIV）、健常対照（HC）被験者を、食物繊維処理の有無で区別しました。機械学習アルゴリズムにより、95％という高い精度で病気を分類できることを示しました。さらに、UC対CDを予測するためにマイクロバイオームデータに機械学習手法を適用したところ、90%という高い予測精度が得られました。
競合する利益声明
著者らは、競合する利害関係はないことを宣言している。
著作権について
このプレプリントの著作権者は著者・資金提供者であり、bioRxivにプレプリントの永続的な表示ライセンスを許諾しています。無断転載を禁じます。許可なく再利用することはできません。
トップページへ戻る
前へ 次へ
2023年3月29日に掲載されました。
PDFダウンロード
印刷・保存オプション
電子メール
シェア
引用ツール
COVID-19 SARS-CoV-2のプレプリント（medRxivおよびbioRxivから）。
対象分野
すべての記事
動物行動学と認知学
バイオケミストリー
バイオエンジニアリング
バイオインフォマティクス
生物物理学
キャンサーバイオロジー
細胞生物学
クリニカル・トライアル※1
発生生物学
エコロジー
疫学※1
進化生物学（Evolutionary Biology
遺伝学
ゲノミクス
免疫学
微生物学
モレキュラーバイオロジー
ニューロサイエンス
古生物学
病理学
薬理学・毒性学
生理学
植物生物学
科学的コミュニケーションと教育
合成生物学（Synthetic Biology
システムバイオロジー
動物学

• bioRxiv の臨床研究パイロットプロジェクトが終了し、健康科学専用サーバー medRxiv (submit.medrxiv.org) が開設されたため、Clinical Trials と Epidemiology の主題カテゴリーは新規投稿を終了しました。臨床試験の結果を報告する新しい論文は、現在medRxivに投稿する必要があります。疫学の新規論文の多くもmedRxivに投稿する必要がありますが、健康関連の情報を含まない論文の場合、著者は他のbioRxivの主題カテゴリー（例：遺伝学や微生物学）に投稿することを選択することができます。
  本論文の評価・考察 x
  0 0 0 0 0 0 3