Nu kan tarmenes indhold af bakteriedræbende virus kortlægges

Sygdom og behandling 28. jun 2022 5 min Associate Professor Simon Rasmussen Skrevet af Kristian Sjøgren

Med ny metode til at kortlægge tarmenes indhold af bakteriedræbende virus kan forskere finde mere specifikke antibiotika, ligesom de kan udvikle nye metoder til at helbrede forskellige sygdomme i tarmene og resten af kroppen.

Interesseret i Sygdom og behandling? Vi kan holde dig opdateret helt gratis

Der eksisterer et komplekst samspil mellem det mikrobielle miljø i tarmene og helbredet. Forskning har blandt andet koblet ubalance i tarmenes mikrobielle sammensætning til udvikling af alt fra fedme og type 2-diabetes til Alzheimers og immunsygdomme.

Netop det mikrobielle miljø i tarmene har forskere studeret i over 10 år, og et af de seneste fremskridt på området har været at kortlægge sammensætningen af de tusindvis af bakterier, som lever der.

Hidtil har det dog ikke været muligt for forskere også at identificere tarmens indhold af bakteriedræbende virus, de såkaldte fager. Det problem er dog endelig løst.

Med en avanceret algoritme kan forskere identificere indholdet af virus i for eksempel en afføringsprøve. Det gør det muligt blandt andet at identificere bedre antibiotika samt at udvikle behandlinger mod en lang række sygdomme i tarmene.

"Vi kan som eksempel identificere, hvilke fager der slår sygdomsfremkaldende bakterier ihjel. Disse fager kan muligvis bruges terapeutisk til at kurere inflammatoriske tarmsygdomme, der er resultatet af en bakteriel infektion, eller infektioner andre steder på og i kroppen. De rette fager kan også bruges til at bekæmpe bakterier, som vi i dag har svært ved at gøre noget ved på grund af resistens," fortæller en af forskerne bag studiet, lektor Simon Rasmussen fra Novo Nordisk Foundation Center for Protein Research ved Københavns Universitet.

Forskningen er offentliggjort i Nature Communications.

Fager har hidtil været næsten umulige at studere

Fager er virus, der angriber bakterier på samme måde, som nogle typer af virus angriber mennesker, for eksempel coronavirus.

Selvom de færreste mennesker måske har hørt om fager, estimerer forskere, at det er den celletype, der er flest af på Jorden – overhovedet.

Fagerne findes overalt. De findes i mennesker, i dyr, på træer, i jorden, i vand – ja, overalt.

Problemet ved at studere fager er dog, at de er meget svære at dyrke i laboratoriet.

Det skyldes, at det er nødvendigt med specifikke bakterier for at dyrke specifikke fager. Altså skal man på forhånd vide, hvilken bakterie en given fag inficerer, før man kan dyrke fagen.

Da der findes titusinder af forskellige fager, har det indtil nu været en uoverskuelig opgave at gå i gang med.

"Derfor har der været behov for at udvikle nye metoder til at identificere fager i en given prøve, og det har vi nu udviklet," forklarer Simon Rasmussen.

Studerede fager med algoritmer og kunstig intelligens

I studiet er Simon Rasmussen sammen med sine kollegaer trådt ud af laboratoriet og i stedet analyseret på den enorme mængde data, der allerede er lavet på indholdet af gener i afføringsprøver fra mennesker.

I mange forskellige studier har forskere undersøgt indholdet af gener i afføringsprøver for på den måde at fortælle noget om indholdet af bakterier.

Forskerne gør meget simpelt det, at de får kraftige computere med intelligente algoritmer til at kigge alle gensekvenserne igennem efter stykker af DNA, som stammer fra bakterier. Derefter kan forskerne sætte stykkerne af DNA sammen til hele bakterielle genomer, som de så kan karakterisere de enkelte bakterier ud fra.

"Hvis man i laboratoriet studerer indholdet af en afføringsprøve under mikroskopet, er det umuligt at vide, hvilke bakterier der er i prøven. Derfor har man i de seneste 10 år udnyttet kunstig intelligens og algoritmer til at lede efter gener fra bakterier i prøverne. Vi har videreudviklet disse algoritmer til også at kunne benyttes på fager," siger Simon Rasmussen.

Algoritme skulle selv lære fagerne at kende

Udviklingen af den nye algoritme har ikke været helt nem.

Problemerne opstår i den måde, som man udvikler denne type algoritmer på.

Forestil dig, at man vil udvikle en algoritme, der kan genkende katte på billeder.

I det tilfælde kan man vise algoritmen tusindvis af billeder af katte og på den måde få den til at lære, hvordan en kat ser ud. Denne metode hedder supervised learning.

Sådan kan man ikke gøre, når man vil lære en algoritme at genkende fager. Årsagen er, at forskere ikke på samme måde har haft adgang til tusindvis af genomer fra fager, som de kan præsentere for en algoritme.

I stedet måtte forskerne bag det nye studie benytte sig af såkaldt unsupervised learning, hvor de ikke på forhånd har kunnet fortælle algoritmen, hvilke mønstre i den store mængde genetisk data den skulle lede efter.

Dog havde forskerne adgang til mere end 100.000 offentligt tilgængelige analyser af det mikrobielle indhold af afføringsprøver fra mennesker. Algoritmen øvede sig på de 650 af dem, så den nu knivskarpt er i stand til at fortælle, hvilke fager der er i en given prøve.

"Det smarte er, at vi desuden kan gøre det uden først at oprense virus i prøverne. Vi laver bare vores analyse på data, som det bliver præsenteret, og ud fra det kan vores algoritme fortælle, hvilke fager der findes i prøven," forklarer Simon Rasmussen.

Fager kan være et præcisionsvåben

Simon Rasmussen fortæller, at et meget interessant perspektiv ved deres algoritme er, at den gør det muligt at få kortlagt både indholdet af bakterier og indholdet af fager i den samme prøve.

Det gør, at forskerne nu kan begynde arbejdet med at finde ud af, hvilke fager der angriber hvilke bakterier.

Idet fagerne indgår i den kemiske krig mellem forskellige bakterier, bestemmer de også sammensætningen af bakterier i eksempelvis menneskers tarme.

Denne krigsførelse rummer ifølge Simon Rasmussen forskellige terapeutiske potentialer.

Det oplagte potentiale er inden for antibiotikaresistens.

En af ulemperne ved at benytte antibiotika er, at de som mikrobiologiske våben er meget upræcise. Antibiotika smadrer ofte bare alt.

Ved at benytte fager til at bekæmpe specifikke typer af bakterier kan man være meget mere målrettet, fordi fager oftest kun angriber én bestemt type bakterie.

Man kan på den måde bruge fager som præcisionsvåben, så man kun lige akkurat rammer den bakterie, man vil af med.

"Vores algoritme gør det muligt at finde ud af, hvilke fager vi skal bruge til at slå en given infektion med helt specifikke bakterier ned med, eksempelvis i tarmen," forklarer Simon Rasmussen.

Kan bruges terapeutisk

Indsigt i den mikrobiologiske krigsførelse kan muligvis også benyttes til at justere på sammensætningen af bakterier i tarmen.

Nogle bakterier er associeret med udvikling af forskellige sygdomme. Det kan dreje sig om sygdomme, der er et direkte resultat af en given bakterie, eksempelvis ved en betændelsestilstand i tarmen, men det kan også dreje sig om, at nogle bakterier giver afledte negative effekter på helbredet alene ved deres tilstedeværelse i tarmen.

Disse bakterier vil man gerne af med og have erstattet af bakterier, der kan associeres med et sundt helbred.

"Der forskes i øjeblikket meget i, hvordan transplantation af afføring mellem mennesker kan ændre på tarmbakteriesammensætningen og afhjælpe forskellige sygdomme. Inden for det område viser den nyeste forskning, at det faktisk slet ikke er nødvendigt at transplantere hele indholdet at afføringen fra person til person, men at man blot kan nøjes med at transplantere fagene. Fagerne kan på den måde bruges til at styre tarmbakteriesammensætningen, så man får bakterier, der er gode og producerer sundhedsfremmende molekyler," siger Simon Rasmussen.

The scientific drive of Simon Rasmussen is his curiosity and interest in transforming large and complex datasets from biological experiments into know...

Dansk
© All rights reserved, Sciencenews 2020