Диагностический потенциал кишечной микробиоты при болезни Паркинсона

Abstract

Введение. В настоящий момент ведется активная работа по поиску биомаркеров болезни Паркинсона (БП), в частности для проведения ранней диагностики данного заболевания. Одним из потенциальных источников биомаркеров является кишечная микробиота, изменения в составе которой при БП активно изучаются. Целью данной работы является идентификация микробиотных биомаркеров БП с оцененной точностью диагностики, в том числе и дифференциальной, относительно других неврологических заболеваний для пациентов российской популяции. Материалы и методы. В исследование было включено 192 метагеномных профиля кишечной микробиоты, полученных в результате ампликонного секвенирования бактериальной 16S рРНК от пациентов с болезнью Паркинсона (n = 93), лиц контрольной группы (n = 66) и другими неврологическими заболеваниями (n = 33). Для создания классифицирующих моделей использовали наивный байесовский классификатор, искусственную нейронную сеть, машину опорных векторов, обобщенную линейную модель и регрессию методом частичных наименьших квадратов. Результаты. Оптимальные показатели классификации пациентов по составу кишечной микробиоты на валидационной выборке (чувствительность 91,30%, специфичность 91,67% при точности в 91,49%) продемонстрировал наивный байесовский алгоритм при использовании представленности микроорганизмов родов Christensenella, Methanobrevibacter, Leuconostoc, Enterococcus, Catabacter, Desulfovibrio, Sphingomonas, Yokenella, Atopobium, Fusicatenibacter, Cloacibacillus, Bulleidia, Acetanaerobacterium и Staphylococcus в качестве предикторов. Выводы. Информация о таксономическом составе кишечной микробиоты может быть использована для проведения дифференциальной диагностики болезни Паркинсона.

Background. Nowadays many efforts are taken in searching for Parkinson’s disease biomarkers, especially for an early recognition of the disease. The gut microbiota is one of the potential sources of biomarkers, changes in the composition of which in PD are actively studied. The aim of this study is to identify microbiota biomarkers in the Parkinson’s disease with an estimated accuracy of the diagnostics, including differential diagnostics, relative to other neurological diseases for patients of the Russian population. Material and methods. One hundred ninety-two metagenomics profiles from patients with Parkinson’s disease (n = 93), people with other neurological diagnoses (n = 33), and healthy controls (n = 66) were included in this study. These profiles were obtained with amplicon sequencing of bacterial 16S rRNA genes. Classifying models were made using the naive Bayes classifier, the artificial neural network, support vector machine, generalized linear model, and partial least squares regression. As a result we established that an optimal classification by the composition of the gut microbiota on the validation sample (sensitivity 91.30%, specificity 91.67% at 91.49% accuracy) amid patients was demonstrated with a naive Bayes classifier using the representation of the following genera as predictors: Christensenella, Methanobrevibacter, Leuconostoc, Enterococcus, Catabacter, Desulfovibrio, Sphingomonas, Yokenella, Atopobium, Fusicatenibacter, Cloacibacillus, Bulleidia, Acetanaerobacterium, and Staphylococcus. Conclusions. Information of the gut microbiota taxonomic composition may be used in differential diagnosis of Parkinson’s disease.