«Приобретенные больницей трудные инфекции C. цвели как проблема за прошлые 10-15 лет, представляя $4,8 миллиарда в добавленных затратах здравоохранения», говорит Патрик Шлосс, микробиолог в Мичиганском университете в Анн-Арборе, который наблюдал за исследованием. «Одним из самых больших факторов риска для кого-то приобретающего трудный C. является воздействие антибиотиков. Это ставит огромное объединение под угрозу людей».Чтобы подражать тем терпеливым условиям, бывшему аспиранту Замка, Аликсандрия Шуберт проверил 8 антибиотиков в 16 условиях другого отношения видеть, как они изменили нормальную микробиоматерию пищеварительного тракта мышей. Затем она имела размеры, как те измененные сообщества ответили, когда выставлено трудному C.
Не удивительно, каждое лечение привело к различным изменениям в сообществах с различным бактериальным увеличением разновидностей или уменьшением в изобилии. Никакие единственные разновидности не составляли или защиту от или восприимчивость к трудному C.«Математическое моделирование стало действительно очень важным для большого объема данных, который мы имели», говорит Замок.
Предыдущая работа лабораторией Замка и другими намекнула, что защита от трудной колонизации C. происходила, вероятно, из-за многократных разновидностей в микробиоматерии пищеварительного тракта. В конечном счете команда хотела построить модель, которая могла использовать стартовый пищеварительный тракт мыши бактериальное сообщество, чтобы предсказать что риск мыши инфекции.Чтобы сделать это, команда применила алгоритм машинного обучения к их всему набору данных 16 условий лечения и получающихся изменений всего сообщества в бактериальных разновидностях.
В некотором смысле, действия алгоритма, сродни почтовому спам-фильтру, говорит Замок, используя ‘лес’ деревьев решений, чтобы классифицировать все подвижные части в сложном наборе данных.Команда построила математическую модель, которая могла предсказать приблизительно с 90%-й точностью, заболеет ли данная мышь, начинающая с конкретного пищеварительного тракта бактериальное сообщество, с трудным C. Анализ также показал сложные бактериальные отношения, которые управляли сопротивлением трудному C.Сопротивление было связано с членами Porphyromonadaceae, Lachnospiraceae, Лактобациллы, Alistipes и Turicibacter. Восприимчивость к трудному C., с другой стороны, была связана с потерей этих защитных разновидностей и повышения Escherichia или Streptococcus.
«Восприимчивость не все или ничего – это чрезвычайно контекстно-зависимо», говорит Замок. Он говорит, что просто наличие ‘хорошей’ защитной бактериальной существующей разновидности не делает равной защиты, ни делает просто предоставление крова одной из ‘плохих’ бактериальных разновидностей равная болезнь. «Я думаю об этом как буфет, где у Вас есть к смешиванию и подгонке различные компоненты, чтобы получить сопротивление или чувствительность к трудному C.».
Наличие точной, прогнозирующей модели у мышей является доказательством принципа, что такая модель могла также работать на человеческих пациентов в урегулировании больницы. «Если мы могли бы оценить микробиоматерию пациента от образца кала – особенно, если они получают антибиотики – мы могли бы посмотреть на то, что пропускают бактерии», говорит Шуберт, теперь постдокторский исследователь в лаборатории Замка. «Вы могли, возможно, дать пациентам пробиотическое дополнение с целью восстановления их структуры сообщества микробиоматерии к здоровому государству».