{{{sourceTextContent.title}}}

Mikrobielle Signatur für Darmkrebs, die durch maschinelles Lernen identifiziert wurde

{{{sourceTextContent.subTitle}}}

Forscher des Europäischen Molekularbiologischen Laboratoriums (EMBL) in Heidelberg, Deutschland, der Universität Trento in Italien und anderen internationalen Kooperationspartnern nutzten einen maschinellen Lernalgorithmus, um eine Teilmenge von Darmbakterien zu identifizieren, die mit Darmkrebs, dem dritthäufigsten Krebs weltweit, in Verbindung gebracht werden

{{{sourceTextContent.description}}}

Sie führten eine Meta-Analyse von acht Studien mit Darmbakterien und Darmkrebs durch, die sich über sieben Länder und drei Kontinente erstreckten, und fanden heraus, dass die mit Darmkrebs verbundenen Mikrobiomveränderungen trotz unterschiedlicher Umgebung oder Ernährung robust sind.

Das Team verwendete ein Tool namens mOTUs2, das Bakterienarten in Metagenomen genau identifizieren und zählen kann. "Das stärkste Merkmal unserer Methode ist, dass wir damit Bakterien quantifizieren können, die nicht einmal einen genomischen Bezug haben", sagt Georg Zeller, der entsprechende Autor einer in Nature Medicine veröffentlichten Studie. "Diese Arten wurden noch nicht isoliert und kultiviert - viele von ihnen können nicht so einfach im Labor angebaut werden. Aber mit MOTUs können wir sie trotzdem erfassen, was zu einem umfassenderen Bild des Mikrobioms führt."

Sie identifizierten 29 Bakterien, die gemeinsame Fähigkeiten zum Abbau von Proteinen und Schleimstoffen hatten, was auf einen möglichen Zusammenhang zwischen krebsassoziierten Darmmikroben und fleisch- und fettreichen Diäten hindeutet. Diese Analyse etabliert eine generalisierbare und prädiktive Mikrobiom-Signatur, die als zukünftige nicht-invasive Diagnose für Darmkrebs dienen kann.