결장 직장암은 전 세계 암 사망의 두 번째 주요 원인입니다. 조기에 발견되면 효율적으로 처리 될 수 있지만 대장 내시경 검사의 비용과 불편 함은 현재 사용중인 주요 진단 방법으로 종종 진단이 지연됩니다. 기계 학습 알고리즘을 사용하여 제네바 대학교 (UNIGE)의 팀은 모든 인간 장내 박테리아를 처음으로 식별하여 다른 미생물 하위 군의 생리적 중요성을 이해할 수 있도록 세부적인 수준으로 식별되었습니다. 그런 다음이 재고를 사용하여 비 침습적 및 저비용 스크리닝 도구 인 간단한 대변 샘플에 존재하는 박테리아에 따라 결장 직장암의 존재를 감지했습니다. 잠재적 인 응용은 다른 암의 진단에서부터 장 미생물 군과 건강 사이의 연관성에 대한 이해에 이르기까지 광대합니다. 이러한 결과는 게시됩니다 셀 숙주 및 미생물.
결장 직장암은 종종 치료 옵션이 제한 될 때 진행된 단계에서 진단됩니다. 이것은 특히 청년들 사이에서 여전히 설명 할 수없는 상승에 직면 할 때 더 간단하고 덜 침습적 인 진단 도구의 필요성을 강조합니다. 장내 미생물 총은 결장 직장암의 발병에 중요한 역할을하는 것으로 오랫동안 알려져 왔지만, 이러한 발견을 임상 실습으로 번역하는 것은 어려운 일이었다. 이것은 동일한 박테리아 종의 다른 균주가 반대 효과를 가질 수 있고, 일부는 질병을 촉진하고 다른 사람들은 영향을 미치지 않기 때문입니다.
“모든 의미있는 차이 또는 다른 개인마다 크게 다른 박테리아 균주를 포착하지 않는 미생물 총을 구성하는 다양한 종의 분석에 의존하는 대신, 미생물의 중간 수준, 아종, 하위 세포에 초점을 맞추 었습니다.” 이 연구를 이끌었던 약. “아종 분해능은 구체적이며 박테리아 기능의 차이를 포착하고 암을 포함한 질병에 기여하는 반면, 개인, 인구 또는 국가의 여러 그룹 간의 이러한 변화를 감지 할 수있을 정도로 일반적인 상태를 유지할 수 있습니다.”
기계 학습의 도움으로
첫 번째 단계는 막대한 양의 데이터를 분석하는 것이 었습니다. Mirko Trajkovski의 실험실 이자이 연구의 첫 번째 저자 인 Matija Trickovic 박사 학위 Matija Trickovic은“생물 정보 학자로서 대량 데이터 분석을위한 혁신적인 접근법을 제시하는 것이 었습니다. “우리는 인간 장내 미생물 총 아종의 최초의 포괄적 인 카탈로그를 성공적으로 개발했으며, 연구와 클리닉에서 그것을 사용하는 정확하고 효율적인 방법을 성공적으로 개발했습니다.”
이 카탈로그를 기존 임상 데이터와 결합함으로써 과학자들은 대변 샘플에 존재하는 박테리아에 기초하여 결장 직장암의 존재를 예측할 수있는 모델을 개발했습니다. Matija Trickovic은 “우리는 전략에 대해 확신을 가지고 있었지만 결과는 눈에 띄었다”고 말했다. “우리의 방법은 암 사례의 90%를 감지했으며, 결과는 대장 내시경 검사에 의해 달성 된 94% 탐지 속도에 매우 가깝고 모든 현재의 비 침습적 탐지 방법보다 우수합니다.”
더 많은 임상 데이터를 통합 함으로써이 모델은 더욱 정확 해지고 대장 내시경 검사의 정확성과 일치 할 수 있습니다. 일상적인 선별 도구가되어 결장 직장암의 조기 발견을 촉진 할 수 있으며, 이는 대장 내시경 검사에 의해 확인 될 수 있지만 선택된 환자 그룹에서만 확인됩니다.
새로운 응용 분야
첫 번째 임상 시험은 제네바 대학 병원 (HUG)과 협력하여 검출 할 수있는 암 단계와 병변을보다 정확하게 결정합니다. 그러나 응용은 결장 직장암을 넘어선 것입니다. 동일한 박테리아 종의 아종 간의 차이를 연구함으로써, 연구원들은 이제 장 미생물 총이 인간 건강에 영향을 미치는 작용 메커니즘을 식별 할 수 있습니다. Mirko Trajkovski는“동일한 방법은 곧 단일 미생물 총 분석을 기반으로 광범위한 질병에 대한 비 침습성 진단 도구를 개발하는 데 사용될 수있다.
출처: https://www.sciencedaily.com/releases/2025/09/250916221920.htm
답글 남기기