Nutritional Intake and Gut Microbiome Composition Predict Parkinson's Disease.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

PD'nin öngörücü bir modelini geliştirmek için GM kompozisyon değişiklikleri makrobesin alımı ile kombine GM kompozisyon değişikliklerinin yararını değerlendirmek.MethodsBiz 103 PD hasta ve 81 hane kontrolleri (HCs) içinde GM ve beslenme alımının kesitsel bir analizini yaptık. GM kompozisyonu, dışkıdan izole edilmiş bakteriyel ribozomal DNA'nın V3-V4 bölgesinin 16S amplikon dizilenmesi ile belirlendi. Çok değişkenli hastalık-ayrımcı dernekleri belirlemek için Rastgele Orman ve destek-vektör makinesi (SVM) metodolojilerini kullanarak iki model geliştirdik. Güncellenmiş taksonomik referans kullanarak, PD hastalarının GM profillerinde çeşitli klinik PD özellikleri ile ilişkili olarak önemli bileşimsel farklılıklar tespit ettik. Altı cins aşırı temsil edildi ve HC'lere göre PD hastalarında sekiz yetersiz temsil edildi, en büyük fark aile taksonomik seviyesinde Lactobacillaceae'nin aşırı temsil edilmesiydi. Korelasyon analizleri, klinik özellikler ve seçim taksonları arasındaki birden fazla ilişkiyi vurgularken, kabızlık şiddeti, fiziksel aktivite ve beta çeşitliliğindeki değişikliklerle ilişkili farmakolojik terapiler. PD'nin rastgele orman modeli, cins düzeyinde taksonomik verileri ve toplam enerjiye karbonhidrat katkısını içeren en iyi tahmin kapasitesini gösterdi [ROC Eğrisi (AUC) altında 0,74].ConclusionKlinik önlemler ve beslenme verileri ile birleştirildiğinde GM çeşitliliği ve bileşimindeki dikkate değer farklılıklar, PD'yi tanımlamak için bir tahmin modelinin geliştirilmesini sağladı. Bu bulgular, tanıyı iyileştirmek ve klinik yönetimi yönlendirmek için potansiyel olarak yararlı bir PD biyobelirteç olarak GM ve beslenme verilerinin kombinasyonunu desteklemektedir.

Özgün kaynak özetini okuyun

BackgroundModels to predict Parkinson's disease (PD) incorporating alterations of gut microbiome (GM) composition have been reported with varying success.ObjectiveTo assess the utility of GM compositional changes combined with macronutrient intake to develop a predictive model of PD.MethodsWe performed a cross-sectional analysis of the GM and nutritional intake in 103 PD patients and 81 household controls (HCs). GM composition was determined by 16S amplicon sequencing of the V3-V4 region of bacterial ribosomal DNA isolated from stool. To determine multivariate disease-discriminant associations, we developed two models using Random Forest and support-vector machine (SVM) methodologies.ResultsUsing updated taxonomic reference, we identified significant compositional differences in the GM profiles of PD patients in association with a variety of clinical PD characteristics. Six genera were overrepresented and eight underrepresented in PD patients relative to HCs, with the largest difference being overrepresentation of Lactobacillaceae at family taxonomic level. Correlation analyses highlighted multiple associations between clinical characteristics and select taxa, whilst constipation severity, physical activity and pharmacological therapies associated with changes in beta diversity. The random forest model of PD, incorporating taxonomic data at the genus level and carbohydrate contribution to total energy demonstrated the best predictive capacity [Area under the ROC Curve (AUC) of 0.74].ConclusionThe notable differences in GM diversity and composition when combined with clinical measures and nutritional data enabled the development of a predictive model to identify PD. These findings support the combination of GM and nutritional data as a potentially useful biomarker of PD to improve diagnosis and guide clinical management.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.