所有分类
由加州大学洛杉矶分校的研究人员领导的一个小组表示,它已经开发出一种更快,更准确的方法来确定生活在人类和人类身上的许多细菌的来源。科学家们指出,从广义上讲,该工具可以推断出任何微生物组的起源。
据报道,与需要数天或数周的工具相比,新的计算工具“FEAST”可以在短短几个小时内分析大量的遗传信息。该软件程序可用于医疗保健,公共卫生,环境研究和农业,根据自然方法在线发表的研究(“FEAST:微生物源追踪的快速期望最大化”)。
“分析微生物组数据的组成结构的一个主要挑战是确定其潜在的起源。在这里,我们引入快速期望最大化微生物源跟踪(FEAST),这是一个随时可用的可扩展框架,可以同时估计数千个潜在源环境的贡献,从而帮助解开复杂微生物群落的起源(https://github.com/cozygene/FEAST),“调查人员写道。
“从FEAST获得的信息可以提供有关污染量化,跟踪发展中微生物群落形成以及区分和表征细菌相关健康状况的信息。”
了解微生物物种来自何处以及这些群落如何形成可以让科学家更详细地了解影响人类健康的看不见的生态过程。研究人员开发了该程序,为医生和科学家提供了一种更有效的工具来研究这些现象。
源跟踪程序给出了来自其他地方的微生物组的百分比。它在概念上与人口普查类似,揭示了其移民人口来自的国家,以及每个群体占总人口的百分比。
例如,在厨房柜台样品上使用源跟踪工具可以指示该样品中有多少来自人类,多少来自食物,特别是哪种类型的食物。
加州大学洛杉矶分校的Eran Halperin博士解释说,有了这些信息,医生就可以通过简单分析他们的微生物组来区分健康人和患有某种疾病的人。科学家可以使用该工具检测水资源或食品供应链中的污染。
“微生物组已与人体生理学和健康的许多方面联系起来,但我们正处于了解许多物种这种动态网络的临床意义以及它们如何相互作用的早期阶段,”Halperin说,该研究的主要负责人在Samueli工程学院和David Geffen医学院担任教职员的调查员。
“微生物组数据得到了前所未有的扩展,这使我们对微生物生命的各种功能和分布的了解迅速增加,”Halperin补充说。“尽管如此,如此庞大而复杂的数据集却带来了统计和计算方面的挑战。”
研究人员表示,与其他源跟踪工具相比,FEAST的速度提高了300倍,并且更准确。
此外,目前的工具只能分析较小的数据集,或仅针对被认为是有害污染物的特定微生物。Halperin说,这种新工具可以处理更大的数据集,并提供更完整的微生物图片,以及它们来自哪里。
研究人员通过将FEAST与以前发表的数据集的分析进行比较,证实了FEAST的可行性。
例如,他们使用该工具来确定厨房柜台上的微生物类型,并且它提供了比以前分析相同数据集的工具更多的细节。
他们还使用该工具比较了剖宫产分娩的婴儿的肠道微生物组与阴道分娩的婴儿的微生物组。
“我的希望是科学家将使用FEAST来诊断细菌相关的健康状况,”该研究的第一作者,加州大学洛杉矶分校计算机科学研究生Liat Shenhav说。“例如,如果特定癌症具有微生物特征,FEAST可能可用于早期诊断。”
我要评论