Acceso usuarios
Faezeh Ebrahimi, Hadi Malekia, Mansour Ebrahimi, Amir Hossein Beiki
Antecedentes/Objetivo del estudio La diabetes tipo 2 (DT2), una de las enfermedades de más rápida propagación a nivel mundial, es un trastorno metabólico crónico caracterizado por niveles elevados de glucosa en sangre. Se ha sugerido que la composición de la microbiota intestinal tiene papeles esenciales en la prevalencia de la DT2. En este estudio, se lanzó un enfoque novedoso de minería de datos a gran escala y análisis multivariado del microbioma intestinal de pacientes con DT2 y controles sanos para encontrar las diferencias clave en la composición de su microbiota y los posibles biomarcadores de la enfermedad.
Métodos En primer lugar, se identificaron conjuntos de datos adecuados (9 en total con 946 muestras), se analizaron y sus unidades taxonómicas operativas (OTU) se calcularon mediante parámetros idénticos para aumentar la precisión. Las OTU posteriores se fusionaron y compararon en función de su estado de salud, y se detectaron las diferencias de composición. Para la identificación de biomarcadores, las OTU se sometieron a 9 modelos diferentes de ponderación de atributos. Además, las OTU se analizaron de forma independiente mediante algoritmos multivariados (prueba LEfSe) para verificar los biomarcadores realizados.
Resultados En general, se identificaron 23 géneros y 4 filos como posibles biomarcadores. A nivel de género, se seleccionaron como biomarcadores la disminución de Bacteroides, Methanobrevibacter, Paraprevotella y el grupo [Eubacterium] hallii en la DT2 y el aumento de Prevotella, Megamonas, Megasphaera, Ligilactobacillus y Lachnoclostridium; y a nivel de filo, el aumento de Synergistota y la disminución de Euryarchaeota, Desulfobacterota (Thermodesulfobacteriota) y Ptescibacteria.
Conclusión Este es el primer estudio de este tipo que encuentra las diferencias en la composición microbiana y los biomarcadores en la DT2 utilizando modelos de minería de datos aplicados a un conjunto de datos metagenómicos generalizados y verificados mediante análisis multivariado.
Background/Purpose of the study Type 2 diabetes mellitus (T2DM)—one of the fastest globally spreading diseases—is a chronic metabolic disorder characterized by elevated blood glucose levels. It has been suggested that the composition of gut microbiota plays key roles in the prevalence of T2DM. In this study, a novel approach of large-scale data mining and multivariate analysis of the gut microbiome of T2DM patients and healthy controls was conducted to find the key compositional differences in their microbiota and potential biomarkers of the disease.
Methods First, suitable datasets were identified (9 in total with 946 samples), analyzed, and their operational taxonomic units (OTUs) were computed by identical parameters to increase accuracy. The following OTUs were merged and compared based on their health status, and compositional differences detected. For biomarker identification, the OTUs were subjected to 9 different attribute weighting models. Additionally, OTUs were independently analyzed by multivariate algorithms (LEfSe test) to verify the realized biomarkers.
Results Overall, 23 genera and 4 phyla were identified as possible biomarkers. At genus level, the decrease of Bacteroides, Methanobrevibacter, Paraprevotella, and [Eubacterium] hallii group in T2DM and the increase of Prevotella, Megamonas, Megasphaera, Ligilactobacillus, and Lachnoclostridium were selected as biomarkers; and at phylum level, the increase of Synergistota and the decrease of Euryarchaeota, Desulfobacterota (Thermodesulfobacteriota), and Ptescibacteria.
Conclusion This is the first study ever conducted to find the microbial compositional differences and biomarkers in T2DM using data mining models applied on a widespread metagenome dataset and verified by multivariate analysis.
