Достижения в моделировании желудочно-кишечного микробиома и его влияния на физиологию хозяина

Микрофлюидные устройства Gut-on-a-Chip

Микрофлюидные системы, часто называемые «gut-on-a-chip», состоят из параллельных микроканалов, выстланных кишечными эпителиальными клетками с одной стороны и эндотелиальными клетками с другой, разделенными пористой мембраной. Эти чипы воссоздают ключевые физиологические особенности: напряжение сдвига жидкости от потока, циклическое механическое растяжение (имитирующее перистальтику) и градиенты кислорода (гипоксический люмен, нормоксичная ткань). Существует несколько коммерческих систем, таких как Emulate® Intestine-Chip и чип HuMiX, разработанный исследователями из KU Leuven. Эти платформы использовались для изучения поглощения лекарств, перекрестного воздействия хозяина-микробиома и того, как диетические компоненты модулируют микробный метаболизм. Например, исследование 2021 года в Cell Host & Microbe использовало модель микрофлюидной толстой кишки, чтобы продемонстрировать, что бактерии, продуцирующие бутират, защищают эпителий от повреждения, вызванного кислородом,

Преимущества этих моделей очевидны: они используют клетки человека, обеспечивают высокий экспериментальный контроль, позволяют осуществлять мониторинг в режиме реального времени и обеспечивают высокопроизводительный скрининг. Однако им все еще не хватает полного дополнения иммунных клеток, кишечной нервной системы и сложной трехмерной архитектуры кишечника. Текущие усилия направлены на включение иммунных клеток (например, макрофагов, дендритных клеток) и даже нервных компонентов для моделирования оси кишечника-мозга в чипе.

Вычислительные модели: от сетей к машинному обучению

Геномно-масштабные метаболические модели (GEM)

Одним из мощных подходов к моделированию микробных сообществ является реконструкция метаболических сетей геномного масштаба. GEMs - это математические описания всех известных метаболических реакций в организме, позволяющие прогнозировать темпы роста, производство метаболитов и использование питательных веществ в различных условиях. Интегрируя несколько GEM из разных видов, исследователи могут моделировать метаболические взаимодействия в сообществе - такие как перекрестное кормление (где отходы одного микроба становятся пищей другого) и конкуренция за ресурсы. Знаковое исследование в Природная биотехнология (2019) использовало GEM для прогнозирования метаболической продукции микробиома кишечника человека на основе таксономического состава, точного прогнозирования уровней SCFA и аминокислот. Эти модели все чаще совершенствуются с метатранскриптомными и метаболомными данными для повышения точности.

Динамические модели сообщества

Помимо статических метаболических сетей, динамические модели моделируют, как микробные популяции изменяются с течением времени в ответ на диету, антибиотики или другие возмущения. Подходы включают обычные дифференциальные уравнения (ODE), представляющие темпы роста и взаимодействия, или агентные модели, где отдельные бактериальные клетки следуют правилам. Примечательным примером является модель «ECGi» (экологический и рост сообщества), которая объединяет метаболические сети с ресурсо-явной средой, чтобы предсказать, как сдвиги в потреблении пищевых волокон изменяют обилие ключевых таксонов, таких как ] Бифидобактерии и Евбактерии ректальные . Эти модели проверяются с использованием данных клинических испытаний и могут помочь в разработке вмешательств, таких как персонализированные пребиотические режимы.

Машинное обучение и ИИ в моделировании микробиома

Алгоритмы машинного обучения (ML) стали незаменимыми для анализа обширных массивов данных о микробиоме с высокой размерностью (данные усилителя 16S рРНК, метагеномика дробовика, метаболомика). Нейронные сети, случайные леса и усиление градиента используются для идентификации микробных сигнатур, связанных с болезненными состояниями (например, ВЗК, колоректальный рак, болезнь Паркинсона). Особенно интересным применением является использование глубокого обучения для прогнозирования изменений экспрессии генов хозяина в ответ на конкретные микробные метаболиты. Например, исследование 2023 года в ]Cell обучило глубокую нейронную сеть на более чем 200 000 парах хозяина-микроба, чтобы определить, как бактериальные штаммы модулируют пути передачи сигналов эпителия человека. Эти вычислительные модели не только предсказывают, но также могут генерировать проверяемые гипотезы для экспериментальной проверки.

Несмотря на эти достижения, вычислительные модели сталкиваются с проблемами: неполная реконструкция метаболизма для многих видов, отсутствие пространственной информации и трудности с захватом влияния факторов-хозяев, таких как состав слоя слизи и иммунный статус. Интеграция данных мультиомики (геномика, транскриптомика, протеомика, метаболомика) в рамках единой модели остается ключевой целью.

Влияние на физиологию хозяина: детальные механистические представления

Метаболизм и использование питательных веществ

Микробиом резко расширяет метаболическую способность хозяина. Микробы кишечника деградируют в SCFAs в противном случае неперевариваемые полисахариды (диетические волокна, устойчивый крахмал). Бутират является основным топливом для колоноцитов и способствует здоровому кишечному барьеру путем стабилизации плотных соединений. Пропионат перемещается в печень, где он регулирует глюконеогенез и липидный обмен. Ацетат активирует рецепторы, связанные с G-белком (GPR41 и GPR43) на энтероэндокринных клетках, стимулируя секрецию гормонов сытости, таких как глюкагоноподобный пептид-1 (GLP-1). Модели микробиома, особенно устройства кишечника на чипе, имеют решающее значение для количественной оценки потоков SCFA и их влияния на передачу сигналов клетки-хозяина в режиме реального времени.

Метаболизм желчных кислот является еще одним ключевым доменом. Первичные желчные кислоты, вырабатываемые печенью, деконъюгируются и дегидроксилируются кишечными микробами для образования вторичных желчных кислот (например, дезоксихолевая кислота, литохолевая кислота). Эти вторичные желчные кислоты действуют как сигнальные молекулы через рецептор фарнезоида X (FXR) и TGR5, влияя на глюкозу и липидный гомеостаз. Органоидные модели использовались для демонстрации того, как специфические бактериальные штаммы (например, ]Clostridium scindens изменяют профили желчных кислот и как это, в свою очередь, влияет на пролиферацию эпителия или апоптоз.

Регулирование иммунной системы

Микробиом кишечника необходим для развития и образования иммунной системы хозяина. Мыши без микробов демонстрируют недостаточно развитые пластыри Пейера, меньшее количество регуляторных Т-клеток (Tregs). Специфические микробы, такие как Bacteroides fragilis, продуцируют полисахарид A (PSA), который активирует Tregs через TLR2, предотвращая воспалительные реакции. Другой пример: сегментированные нитевидные бактерии (SFB) прилипают к кишечным эпителиальным клеткам у мышей и способствуют дифференцировке клеток Th17, которые защищают от внеклеточных патогенов. Гуманизированные модели мышей, колонизированные с человеческой микробиотой, быстро развиваются. В статье 2020 года в Science Advances использовалась модель микрожидкостной кишки, содержащая дендритные клетки и макрофаги, чтобы продемонстрировать, что штамм бутират-продуц

Неврологические эффекты: ось кишечника

Двунаправленная связь между кишечником и мозгом включает нервные (бросовой нерв), эндокринные (кортизол, серотонин) и иммунные (цитокиновые) пути. Микробиом производит или влияет на нейротрансмиттеры, такие как серотонин (подавляющее большинство синтезируется в кишечнике), дофамин и ГАМК. Метаболизм триптофана — критическая ветвь оси кишечника — сильно регулируется микробами: некоторые виды преобразуют триптофан в серотонин, в то время как другие производят производные индола, которые сигнализируют через рецептор арилового углеводорода (AhR) в астроциты. Модели на животных показали, что пересадка микробиоты от пациентов с депрессией или аутизмом вызывает аналогичные поведенческие аномалии у мышей без микробов. Чтобы выйти за рамки корреляции, необходимы модели, которые перекапитулируют кишечную нервную систему человека (ENS). Прогресс в платформе кишечник-мозг-на-чипе теперь