Autismo: descubrimiento de un perfil microbiano característico fiable gracias a la IA
Recurriendo a la inteligencia artificial y a técnicas de aprendizaje automático (machine learning), un equipo de investigadores consiguió identificar 26 taxones bacterianos de la microbiota intestinal que permiten distinguir a los niños con trastornos del espectro autista (TEA) de los que no los padecen
Espacio para el público general
Encuentra aquí tu espacio dedicado
Acerca de este artículo
¿Podría la inteligencia artificial revolucionar la comprensión, el diagnóstico y el tratamiento de los trastornos del espectro autista (TEA)?
Esta es una de las preguntas que se planteó un equipo de investigadores neerlandeses. Los resultados de su estudio acaban de publicarse en la revista Scientific Reports. 1
Utilizando la técnica de machine learning (aprendizaje automático), estos científicos lograron identificar 26 taxones bacterianos característicos de la microbiota intestinal de los niños con autismo. Este descubrimiento abre la puerta a nuevas técnicas de diagnóstico y proporciona potenciales dianas para intervenciones terapéuticas.
Librarse de los sesgos causados por la alimentación y el estilo de vida
Para llegar a este resultado, Lucía Peralta-Marzal y su equipo utilizaron los datos de composición de la microbiota intestinal de 60 niños estadounidenses de 2 a 7 años que padecían autismo y de 57 de sus hermanos y hermanas no afectados por la enfermedad (grupo de control).
Al elegir a niños de la misma familia, los científicos pretendían reducir los sesgos —frecuentes en los análisis estadísticos tradicionales— causados por la alimentación, el lugar de residencia y el estilo de vida. Su objetivo era identificar un perfil microbiano intestinal característico de los TEA.
Los investigadores analizaron los datos brutos de secuenciación de los genes del ARNr de 16S extraídos de la microbiota intestinal de los niños de la cohorte, utilizando un algoritmo llamado REFS (recursive ensemble feature selection) basado en el aprendizaje automático.
Este campo de la IA, basado en algoritmos que permiten descubrir motivos recurrentes (patterns) en los conjuntos de datos, permitió identificar 26 variantes de la secuencia de amplicones (amplicon sequence variants o ASV). Estas ASV corresponden a 26 taxones bacterianos capaces de diferenciar a los niños que padecen autismo de los del grupo de control.
Una herramienta predictiva precisa, fiable… y validada
Utilizando estos 26 taxones para analizar el mismo tipo de datos, pero procedentes esta vez de dos cohortes chinas (223 niños, 125 de ellos con un TEA), Lucía Peralta-Marzal y sus colaboradores consiguieron validar la capacidad de este perfil microbiano para discriminar a los niños autistas y así demostrar su fiabilidad y su reproducibilidad.
Sus cálculos demostraron que la media del área bajo la curva (AUC) fue del 81,6% en la cohorte estadounidense y del 74,8% y 74% en las cohortes chinas, lo cual confirma que los factores de confusión, como el estilo de vida, no alteran la fiabilidad de este perfil microbiano característico.
Serán necesarios otros estudios para comprender el papel de los 26 taxones en la fisiopatología de los TEA. Sin embargo, este perfil microbiano característico ya podría utilizarse con fines de diagnóstico y para proporcionar nueva información sobre los mecanismos moleculares implicados en el eje microbiota-intestino-cerebro.
En cualquier caso, confirma que existe una estrecha correlación entre la microbiota intestinal y los TEA, y que no debe subestimarse su papel como diana potencial para intervenciones terapéuticas.
Todo lo que necesita saber sobre el eje microbiota-intestino-cerebro
1. Peralta-Marzal LN, Rojas-Velazquez D, Rigters D, et al. A robust microbiome signature for autism spectrum disorder across different studies using machine learning. Sci Rep. 2024 Jan 8;14(1):814.
2. Centers for Disease Control and Prevention
3. National Institute of Environmental Health Sciences
4. Ding X, Xu Y, Zhang X, et al. Gut microbiota changes in patients with autism spectrum disorders. J Psychiatr Res. 2020 Oct;129:149-159.
5. Lefter R, Ciobica A, Timofte D, et al. A Descriptive Review on the Prevalence of Gastrointestinal Disturbances and Their Multiple Associations in Autism Spectrum Disorder. Medicina (Kaunas). 2019 Dec 27;56(1):11.
6. https://www.biocodexmicrobiotainstitute.com/en/pro/autism-new-fecal-microbiota-transplant-protocol-shows-promising-results
