Spersonalizowane prognozowanie skuteczności terapii probiotycznych i prebiotycznych z wykorzystaniem modeli komputerowych

Nowe badanie wykazało, że komputerowe modele metabolizmu jelitowego są w stanie przewidywać, które probiotyki skutecznie skolonizują przewód pokarmowy danej osoby oraz w jaki sposób różne prebiotyki wpływają na produkcję krótkołańcuchowych kwasów tłuszczowych (SCFA) o działaniu prozdrowotnym. Wyniki opublikowano 19 lutego w czasopiśmie open access PLOS Biology. Autorami pracy są Sean Gibbons z Institute for Systems Biology (USA) oraz współpracownicy.

Suplementacja probiotykami i prebiotykami przynosi bardzo zróżnicowane efekty kliniczne w zależności od osoby, co utrudnia identyfikację pacjentów, którzy rzeczywiście odniosą korzyść z takich interwencji. Zmienność ta wynika ze złożonych interakcji pomiędzy podawanymi szczepami probiotycznymi, indywidualnym składem mikrobioty jelitowej oraz dietą.

W nowym badaniu naukowcy najpierw przetestowali model metaboliczny na danych pochodzących z dwóch wcześniejszych badań klinicznych. W pierwszym z nich uczestnicy z rozpoznaną cukrzycą typu 2 otrzymywali placebo lub mieszaninę probiotyczno-prebiotyczną zaprojektowaną w celu poprawy kontroli glikemii. W drugim badaniu zdrowi ochotnicy otrzymywali placebo lub probiotyk mający zapobiegać nawrotowym zakażeniom Clostridioides difficile. Model przewidział z dokładnością 75–80%, które gatunki probiotyczne skutecznie zasiedlą jelita poszczególnych osób w obu kohortach. Co istotne, wykazano również zależność pomiędzy powodzeniem kolonizacji określonego szczepu bakteryjnego a poziomem glukozy we krwi, co sugeruje potencjalny mechanizm skuteczności terapii w cukrzycy.

W kolejnym etapie zespół ocenił zdolność modelu do przewidywania odpowiedzi w trzeciej grupie obejmującej 1786 ogólnie zdrowych osób, które zmieniały dietę z ubogiej w błonnik na bogatą w błonnik. Model trafnie przewidywał zarówno zmiany w profilach molekularnych w jelicie, jak i modyfikacje wskaźników kardiometabolicznych w odpowiedzi na zwiększoną podaż błonnika.

Autorzy podkreślają, że uzyskane wyniki wskazują na użyteczność modeli metabolicznych jako narzędzia predykcyjnego do oceny interwencji prebiotycznych, probiotycznych i dietetycznych zarówno na poziomie indywidualnym, jak i populacyjnym. W ich opinii wdrożenie takich modeli w praktyce klinicznej mogłoby umożliwić rozwój precyzyjnych terapii mikrobiomowych, optymalizujących dobór probiotyków, prebiotyków oraz strategii żywieniowych w leczeniu szerokiego spektrum chorób ostrych i przewlekłych.

Pierwszy autor pracy, Nick Quinn-Bohmann, wskazuje, że badanie łączy projektowanie probiotyków z ich praktycznym zastosowaniem klinicznym, wykorzystując pogłębioną analizę mechanistyczną do doboru najbardziej adekwatnej interwencji dla konkretnego pacjenta. Sean Gibbons dodaje, że praca ta potwierdza potencjał metabolicznych modeli społeczności drobnoustrojów (microbial community-scale metabolic models, MCMMs) jako narzędzi wspierających projektowanie i optymalizację spersonalizowanych interwencji probiotycznych i prebiotycznych.

Źródło: PLOS Biology, Personalized predictions of probiotic and prebiotic therapy success by computer models
DOI: http://dx.doi.org/10.1371/journal.pbio.3003638