Хорошо известно, что микроорганизмы вездесущи в окружающей среде и занимают почти все места обитания животных и человека.
Традиционно микроорганизмы изучаются как отдельные организмы, выращенные изолированно в искусственных условиях; однако с развитием экспериментальных методик и вычислительных методов микробы теперь часто рассматриваются как функциональная группа в определенной нише и изучаются на уровне сообществ, чтобы наилучшим образом имитировать реальные ситуации.
При изучении микробных сообществ обычно используются два термина: микробиота и микробиом. Микробиота определяется как микроорганизмы, присутствующие в определенной среде и состоящие из бактерий, грибов, вирусов, архей, протистов и т.д., а микробиом означает не только совокупность геномов всех микроорганизмов в нише, но и включает структурные элементы микроорганизмов, метаболиты и условия окружающей среды. В последние два десятилетия быстро развиваются технологии секвенирования и масс-спектрометрии. Благодаря их всестороннему применению в изучении микробиоты человека появляется все больше доказательств того, что микроорганизмы играют очень важную роль в физиологических функциях и тесно связаны с различными сложными заболеваниями человека. Это привело к глубокому пониманию механизмов, лежащих в основе заболеваний, с точки зрения микроорганизмов. Поэтому выяснение связи между микробиотой и заболеваниями будет иметь большое значение для понимания патогенеза заболеваний человека, ранней диагностики и совершенствования прецизионной медицины.
В кишечнике человека подавляющее большинство микроорганизмов не только синтезируют незаменимые аминокислоты и витамины, но и способствуют перевариванию неперевариваемых компонентов человеческого рациона, таких как растительные полисахариды. Когда микробные сообщества кишечника изменяются, люди, скорее всего, будут страдать от соответствующих заболеваний пищеварительной системы, но когда аномальные микробные сообщества кишечника восстанавливаются до нормы, симптомы заболевания могут быть облегчены, хотя вопросы безопасности все еще находятся в стадии интенсивного изучения. Если изменения в кишечных микробах можно будет вовремя обнаружить и назначить соответствующее лечение, нагрузка на последующую клиническую диагностику и лечение значительно снизится.
Хотя современные технологии уже помогли выявить многие ранее неожиданные связи между микробиотой и заболеваниями, такими как рак, аутоиммунные заболевания, метаболические синдромы, заболевания пищеварительной системы, сердечно-сосудистые заболевания и заболевания центральной нервной системы, нынешний уровень знаний все еще ограничен. Глубокий анализ существующих данных мета-омики довольно сложен из-за отсутствия компетентных алгоритмов и инструментов биоинформатики, что приводит к узкому пониманию ассоциации микробиома с заболеваниями и сильно ограничивает развитие механизмов ассоциации. Поэтому необходимо приложить больше усилий для анализа ассоциации микробиоты с заболеваниями, особенно для содействия применению микробного анализа в клинических условиях для диагностики, лечения и профилактики сложных заболеваний человека.
Кроме того, для содействия реальному применению мета-омики срочно необходимо экспериментальное подтверждение открытий в области микробиома с точки зрения ассоциаций между микробиотой и заболеваниями. Поэтому желательно проведение исследований с использованием комбинации экспериментальных и вычислительных методов для изучения этих интригующих ассоциаций.
Всего в данном обзоре представлено 12 статей, авторами которых являются 96 исследователей из разных стран и регионов мира. Исследования посвящены таким заболеваниям человека, как рак, пневмония, болезни печени, колит и проктит, в основном с точки зрения микробиоты человека и соответствующих факторов, которые могут значительно облегчить понимание сложных заболеваний человека в долгосрочной перспективе. Все отобранные статьи можно разделить на несколько групп, которые либо напрямую связаны с темой обзора, фокусируясь на взаимодействии между микробиотой и заболеваниями, либо косвенно, фокусируясь на моделях, методах, биомаркерах и заболеваниях, которые обобщены ниже, чтобы подчеркнуть тесные взаимодействия между микробиотой человека и сложными заболеваниями.
В частности, Qin et al. сравнили микробиом кишечника у 28 здоровых людей и 61 пациента с раком легких, которые были разделены на три типа в соответствии с их гистопатологией: атипичная аденоматозная гиперплазия/аденокарцинома in situ (AAH/AIS), минимально инвазивная аденокарцинома (MIA) и инвазивная аденокарцинома (IA). Согласно полученным результатам, пациенты с раком имели уникальные характеристики кишечной флоры со сравнительно более низкой плотностью и разнообразием флоры, чем здоровые люди. Кроме того, было выявлено несколько маркеров флоры развития рака легких, что открывает потенциал для диагностики, прогноза, профилактики и лечения рака легких.
Yang L. et al. провели интегративный анализ микробиоты кишечника и метаболитов кала, сравнивая 32 пациентов с метаболически ассоциированной жировой болезнью печени (MALFD) и 30 здоровых людей; согласно результатам, у пациентов с MALFD было обнаружено снижение видового богатства и разнообразия и изменение β-разнообразия в кале с помощью данных секвенирования ампликонов 16S рРНК, а метаболомный анализ выявил общие изменения в метаболитах кала и сыворотки крови с преобладанием липидных молекул. Дальнейшие ассоциации между микробиотой кишечника и метаболитами кала показали, что липополисахариды положительно коррелируют с Christensenellaceae_R-7_group, Oscillospiraceae_UCG-002, а неогесперидин положительно коррелирует с Peptoniphilus, Phycicoccus и Stomatobaculum, что дает новые сведения для понимания молекулярных механизмов MALFD, диагностических маркеров и терапевтических стратегий.
Wei et al. разработали и утвердили интерпретируемую радиомикроскопическую номограмму для прогнозирования тяжелого радиационного проктита у пациентов с раком шейки матки после операции, поскольку радиационный проктит является сложным заболеванием, тесно ассоциированным с микробиотой, но анализ микробиоты кишечника требует много времени и средств. Поэтому в данном исследовании подчеркиваются ограничения в изучении микробиоты и предлагается решение этой проблемы.
Кроме непосредственного анализа микробиоты человека и сложных заболеваний, несколько исследований были посвящены построению моделей и разработке методик для изучения заболеваний. Например, Yang B. et al. сосредоточились на идентификации лигандов заболеваний в системе традиционной китайской медицины (ТКМ) на основе недавно разработанного метода скрининга, названного моделью гибкого нейронного дерева (FNT), которые были успешно применены к гипертонии, диабету и COVID-19 для идентификации родственных соединений в ТКМ. Также хорошо изучено, что гипертония, диабет и COVID-19 тесно связаны с микробиотой кишечника. Таким образом, модель идентификации заболевание-лиганд имеет потенциальное применение для выявления ассоциации между микробиотой человека и его заболеваниями.
В другом исследовании Wang et al. попытались выявить гены, ассоциированные с раком, изучая микробный модельный организм Saccharomyces cerevisiae методом гомологического сопоставления, который основан на принципе, что гомологичные гены общего предка могут иметь сходство в экспрессии. По мнению авторов, их исследование имеет потенциал в выявлении связи между микробиотой и сопутствующими заболеваниями, что крайне важно для понимания молекулярных механизмов этих заболеваний при разработке новых методов лечения на основе микробиома.
Chen и Lei указали на ограниченность традиционных экспериментов в изучении потенциальных ассоциаций микробов с заболеваниями. Поэтому они предложили метод на основе нейронной сети с для прогнозирования ассоциаций микроорганизмов с заболеваниями, который получил название MATHNMDA. Согласно полученным результатам, их модель может эффективно предсказывать ассоциации микробов с заболеваниями на примере астмы, воспалительных заболеваний кишечника и COVID-19.
В другом исследовании Niu et al. изучили промышленные дрожжи Pichia pastoris с точки зрения транскриптомного анализа, целью которого является выявление регуляции чужеродных белков с различной стабильностью, экспрессированных в Pichia pastoris. Согласно их результатам, исследование пролило новый свет на понимание регуляторных механизмов в дрожжевых клетках, которые отвечают на внутриклеточный стресс.
COVID-19 привел к огромным социальным и экономическим последствиям для человека. Поскольку инфекция COVID-19 тесно связана с микробиотой человека, несколько исследований также внесли свой вклад в ее диагностику и терапию. Tian et al. разработали автоматизированную систему обнаружения COVID-19 на основе глубинного обучения с использованием изображений КТ легких, Vision Transformer и ConvNeXt. Chen et al. создали новый алгоритм прогнозирования потенциальных терапевтических агентов для COVID-19, показав, что алгоритм может быть использован для предложения потенциальных лекарственных средств для лечения COVID-19.
Наконец, есть также два исследования, посвященные микроРНК при заболеваниях человека. Согласно предыдущим исследованиям, хорошо известно, что взаимодействие между микробиотой кишечника и микроРНК влияет на патофизиологию хозяина: на кишечное, неврологическое, сердечно-сосудистое и иммунное здоровье и заболевания. Qu et al. исследовали эффект микроРНК-31 в балансировании воспалительных и регенеративных реакций при колите, согласно которому MIR31 способна ослаблять воспаление через ингибирование рецепторов воспалительных цитокинов и может способствовать регенерации эпителия путем модуляции сигнальных путей WNT и Hippo.
В другом исследовании, Yao et al. определили взаимодействие циркРНК-миРНК на основе синтеза мультибиологических взаимодействий, предложив новую модель, названную моделью предсказания взаимодействия циркРНК-миРНК (IIMCCMA), которая показала, что модель может достичь отличной производительности в предсказании редкого взаимодействия между циркРНК и миРНК, что помогло понять молекулярный механизм и способствовало диагностике, лечению и прогнозу заболеваний человека. Однако вопрос о том, взаимодействуют ли эти микроРНК с микробиотой кишечника, требует дальнейшего изучения.
