Scienziati della Icahn School of Medicine del Monte Sinai, Sema4, e le istituzioni che collaborano, la New York University e l'Università della Florida hanno pubblicato oggi un rapporto che descrive in dettaglio il loro nuovo, metodo più accurato per identificare le singole specie e ceppi microbici in una comunità. Questa tecnica ha importanti implicazioni per l'analisi del microbioma, con potenziali applicazioni a lungo termine per l'assistenza clinica. Il giornale è uscito oggi in Biotecnologie naturali .
I microbiomi sono comunità di batteri, virus, e altri microbi che possono essere trovati ovunque, dalle superfici di tastiere e telefoni cellulari agli ambienti dentro e dentro di noi, come la nostra bocca o il nostro intestino. L'interruzione del microbioma naturale è stata implicata in condizioni di salute tra cui malattie infettive, tumori, e disturbi complessi come il morbo di Crohn, colite ulcerosa, e diabete, tra molti altri. Il successo dell'analisi dei microbiomi dipende dalla capacità di ingrandire queste comunità e identificare le singole specie e i ceppi che vivono al loro interno.
Ad oggi, la maggior parte delle tecniche per identificare i membri microbici di questi gruppi fornisce una risoluzione insufficiente. Per esempio, una specie potrebbe essere classificata solo come parte della sua più ampia famiglia genetica, piuttosto che identificato in modo univoco da solo. I metodi esistenti non sono inoltre efficaci nella caratterizzazione di un'importante classe di materiali genetici che possono fare la spola tra diverse specie batteriche, noti come elementi genetici mobili.
In questo nuovo lavoro, gli scienziati hanno usato la singola molecola, Tecnologia di sequenziamento in tempo reale e nuovi strumenti computazionali per classificare i microbi per la prima volta analizzando sia il loro codice genetico che i loro modelli di metilazione, un secondo codice DNA che regola l'attività genica. Questo approccio più completo che utilizza il sequenziamento a lettura lunga si è dimostrato più preciso dei protocolli standard del settore come il sequenziamento 16S o il sequenziamento a lettura breve, correggere errori e risultati incompleti nell'identificazione dei microbi generati da tali metodi. È importante sottolineare che il metodo fornisce un nuovo modo per collegare elementi genetici mobili ai loro ospiti batterici, consentendo agli scienziati di prevedere in modo più accurato la virulenza, resistenza agli antibiotici, e altri tratti biologicamente e clinicamente critici di singole specie e ceppi batterici.
"La comunità biomedica ha da tempo bisogno di un metodo di analisi del microbioma in grado di risolvere singole specie e ceppi ad alta risoluzione, " ha detto Gang Fang, dottorato di ricerca, Professore Associato di Genetica e Scienze Genomiche presso il Monte Sinai, e autore senior del documento. "Abbiamo scoperto che i modelli di metilazione del DNA possono essere sfruttati come codici a barre naturali altamente informativi per aiutare a discriminare le specie microbiche l'una dall'altra, aiutano ad associare elementi genetici mobili ai loro genomi ospiti e a ottenere analisi del microbioma più precise".
Nei progetti pilota che utilizzano campioni di microbioma sia sintetici che reali, gli scienziati sono stati in grado di distinguere anche specie e ceppi di batteri strettamente correlati. Hanno usato modelli di metilazione per collegare i dati relativi alla sequenza del DNA, fornendo informazioni più olistiche sui singoli organismi. Il team ha convalidato il metodo in comunità microbiche di complessità da bassa a media, e sta attualmente sviluppando tecnologie più avanzate per risolvere efficacemente comunità ad alta complessità come i microbiomi ambientali.
"Questo progetto dimostra la raffinatezza e la potenza dell'analisi di molti tipi di dati insieme per ottenere approfondimenti che non sono possibili con approcci più semplicistici, "ha detto Eric Schadt, dottorato di ricerca, CEO di Sema4, Preside per la Medicina di Precisione al Monte Sinai, e coautore del documento. "La biologia è complessa, e le nostre analisi devono rappresentare con precisione tale complessità se speriamo di distribuire queste informazioni per uso clinico".
