Lasten suolistomikrobiston tutkiminen koneoppimismenetelmin

Vastasyntyneen suolistomikrobiston kehitykseen vaikuttavat monet tekijät, kuten synnytystapa, antibioottialtistus ja imetys. Tässä väitöskirjassa tutkitaan koneoppimismenetelmien käyttöä monimutkaisen ja moniulotteisen mikrobistodatan analysoinnissa lapsikohorteissa. Tutkimuksen tavoitteena on ymmärtää, miten nämä varhaisen elämän tekijät vaikuttavat suolistomikrobistoon ja sen yhteyksiin terveyteen. Tulokset osoittavat, että keisarileikkauksella syntyneillä ja perinataalisille antibiooteille altistuneilla vauvoilla on muuttunut suolistomikrobiprofiili, erityisesti Bacteroides-bakteerien ja niihin liittyvien aineenvaihduntareittien merkittävä väheneminen. Koneoppimismallien avulla todettiin, että synnytystavan vaikutukset olivat yleistettävissä eri kohorttien välillä, ja erityisesti Bacteroides-bakteerien suhteellinen määrä oli keskeinen tekijä synnytystavan luokittelussa. Lisäksi tutkimuksessa havaittiin heikkoja yhteyksiä varhaisen elämän suolistosienikoostumuksen ja myöhemmin ilmenevän atooppisen ihottuman ja ylipainon välillä. Koneoppimismenetelmät osoittautuivat tehokkaiksi mikrobistodatan monimutkaisuuden hallinnassa, mahdollistaen luotettavan analyysin ja luokittelun lasten mikrobistotutkimuksissa. Näiden menetelmien avulla voidaan validioida ja yleistää mikrobistokuvioita eri kliinisten kohorttien välillä, mikä parantaa ymmärrystämme suolistomikrobiston merkityksestä lasten terveydelle. Tämä tutkimus osoittaa koneoppimisen potentiaalin lasten suoliston mikrobistotutkimuksessa.