By adminvps06 
Dalam studi terbaru yang diterbitkan dalam jurnal Cell , para peneliti menganalisis data dari intervensi diet tinggi serat di antara orang-orang dengan diabetes tipe 2 (T2D) dan penyakit lainnya.
Mereka bertujuan untuk memahami hubungan antara genom spesifik dalam mikrobiota usus dan mengidentifikasi mikroba utama berdasarkan kehadirannya yang konsisten dalam berbagai kondisi kesehatan.
Analisis mereka mengidentifikasi dua kelompok mikroba usus, satu yang mendukung kesehatan melalui pencernaan serat dan lainnya terkait dengan ketahanan terhadap penyakit.
Latar belakang
Mikrobioma usus, atau ekosistem mikroba yang hidup dalam sistem gastrointestinal, sangat penting untuk kesehatan, meningkatkan fungsi pencernaan dan kekebalan tubuh, dan bahkan telah dikaitkan dengan perilaku.
Meskipun memahami komunitas ini sangat penting, metode tradisional yang digunakan untuk mempelajari mikrobiota usus telah menghasilkan hasil yang tidak konsisten saat menghubungkan mikroba tertentu dengan penyakit seperti diabetes atau obesitas dan mungkin mengabaikan perbedaan halus antara kelompok mikroba.
Namun, genom rakitan metagenom berkualitas tinggi (HQMAG) memungkinkan peneliti menggunakan data beresolusi tinggi untuk melacak mikroba yang belum diteliti atau tidak dikenal. Mereka kemudian dapat berfokus pada bagaimana mikroba berinteraksi dengan kelompok atau serikat satu sama lain untuk menyimpulkan bagaimana mikrobioma memengaruhi kesehatan.
Tentang penelitian ini
Para peneliti menggunakan HQMAG dan model pembelajaran mesin untuk menganalisis interaksi mikroba dan mengidentifikasi mikroba utama yang terkait dengan kesehatan untuk memprediksi respons terhadap perawatan seperti imunoterapi.
Peserta dalam studi primer adalah pasien diabetes tipe 2, 74 di antaranya diberi intervensi diet tinggi serat dan 36 di antaranya menerima perawatan standar. Perubahan mikrobiota usus diamati dan dibandingkan di kedua kelompok ini.
Selain itu, 4.000 sampel dari 38 penelitian selama 10 tahun, termasuk 15 penyakit, digunakan untuk mengidentifikasi 284 genom mikroba utama yang penting untuk memprediksi hasil penyakit.
Peneliti mengidentifikasi kelompok utama (C1) genom pada setiap penyakit. Kelompok ini dibagi menjadi dua sub-kelompok, C1A dan C1B. Pembelajaran mesin (pengklasifikasi hutan acak) untuk membedakan antara kasus (pasien) dan kontrol (individu sehat).
Temuan
Para peneliti mengamati perubahan mikrobiota usus pada kelompok yang mengonsumsi makanan berserat tinggi, dengan perubahan signifikan dari awal hingga tiga bulan dan kembali ke awal setelah 15 bulan. Pasangan bakteri usus yang tetap stabil diidentifikasi, membentuk subjaringan yang menunjukkan potensi signifikansi kesehatan.
Mereka mengidentifikasi 635 korelasi stabil di antara bakteri, yang membentuk klaster. Klaster terbesar, C1, berisi bakteri yang terkait dengan hasil kesehatan yang lebih baik, khususnya peningkatan penanda diabetes.
Klaster C1A meningkat seiring asupan serat tinggi dan bermanfaat, mencerminkan peningkatan kesehatan pasien. Klaster ini memiliki lebih banyak gen yang terkait dengan produksi senyawa bermanfaat, seperti butirat, sementara C1B memiliki lebih banyak gen yang terkait dengan resistensi dan virulensi antibiotik, yang menunjukkan potensi penyebab penyakit. Namun, C1B menurun seiring asupan serat tinggi. Bakteri dalam C1A dan C1B menunjukkan korelasi negatif satu sama lain.
Kelompok bakteri yang teridentifikasi dapat memprediksi penanda kesehatan metabolik pada pasien diabetes tipe 2 dan terdapat pada penyakit lain, seperti skizofrenia dan penyakit kardiovaskular, yang menunjukkan pola umum terkait kesehatan.
Menggabungkan gugus genom menjadi satu set yang lebih besar juga menunjukkan kekuatan diagnostik yang kuat, yang menunjukkan potensi mikrobiota untuk digunakan sebagai penanda diagnostik.
‘Model universal’ lintas penyakit yang dibuat oleh para peneliti berhasil membedakan antara kasus dan kontrol untuk berbagai penyakit, mencapai akurasi 0,73 untuk membedakan pasien dari individu sehat di 26 kumpulan data.
Model-model tersebut juga digunakan untuk memprediksi seberapa baik pasien merespons berbagai perawatan, seperti imunoterapi kanker atau penyakit radang usus, yang menunjukkan potensi untuk memprediksi keberhasilan pengobatan.
Kesimpulan
Studi ini mengidentifikasi pola mikrobioma utama dengan keseimbangan antara dua kelompok bakteri. Pola ini terkait dengan ciri-ciri kesehatan tertentu, terutama pada penderita diabetes tipe 2, dan dapat memprediksi berbagai hasil kesehatan menggunakan model pembelajaran mesin.
Model yang didasarkan pada interaksi bakteri yang stabil berkinerja lebih baik daripada model yang menggunakan data yang lebih luas dan umum. Studi ini menyoroti bahwa tidak semua bakteri umum sama pentingnya bagi kesehatan; interaksi yang stabil sangat penting.
Bakteri “baik” membantu mencerna serat dan menghasilkan zat seperti butirat, yang penting untuk kesehatan, sementara bakteri “jahat” dapat resistan terhadap antibiotik dan dapat menyebabkan peradangan dan penyakit kronis; keseimbangan antara kelompok ini sangat penting untuk kesehatan secara keseluruhan.
Serat makanan dapat mengubah keseimbangan antara bakteri menguntungkan dan berbahaya, dengan makanan berserat tinggi mendukung pertumbuhan bakteri menguntungkan dan melindungi terhadap penyakit.
Temuan ini berpotensi mengarah pada diagnosis dan pengobatan penyakit yang lebih baik dengan berfokus pada interaksi stabil mikroba usus, yang bertindak sebagai penanda kesehatan penting, melalui terapi berbasis mikrobioma.
Diperlukan penelitian yang lebih rinci untuk lebih memahami bakteri yang terlibat dan dampaknya terhadap kesehatan. Penelitian jangka panjang lebih lanjut yang meneliti pencernaan serat, interaksi mikroba tertentu, dan kaitannya dengan penyakit melalui analisis yang dipersonalisasi juga diperlukan.