Eindelijk duidelijkheid: nieuwe AI helpt het met ontrafelen van je darmflora

Ze doen veel voor je: de microben die onderdeel zijn van je darmflora. Ze helpen met de spijsvertering en houden je in het algemeen ook gezond. Maar; welke microben zijn nu écht belangrijk en welke zijn minder relevant? Om hier meer inzicht in te krijgen, hebben Japanse biologen een oplossing bedacht: een AI-darmfloraexpert.

De naam van de nieuwe AI is VBayesMM. Deze AI symboliseert een behoorlijke stap voorwaarts voor het onderzoeken van de darmflora. Voorheen was al bekend dat veel microben het lichaam kunnen helpen door specifieke metabolieten aan te maken; chemische stoffen die het lichaam beïnvloeden op tal van verschillende manieren. Helaas is momenteel het probleem dat er zóveel microben en metabolieten in je darmen aanwezig zijn dat het haast onmogelijk is om te weten welke microben welke metabolieten aanmaken.

VBayesMM brengt hier dus verandering in. Bioloog Tung Dang heeft meegebouwd aan het nieuwe systeem. Hij zegt: “Ons systeem, VBayesMM, kan automatisch de hoofdspelers identificeren die de grootste invloed hebben op metabolieten. Hierbij kan het model onzekerheden aangeven in plaats van het stellig beweren van mogelijk foute informatie.” Het onderzoek is gepubliceerd in het blad Briefings in Bioinformatics.

Bayesian Neural Network

VBayesMM is niet zomaar een Large Language Model (LLM), maar een Bayesian Neural Network (BNN). In het kort betekent dit dat VBayesMM rekening probeert te houden met onzekerheden en daarom vooral denkt in hoe waarschijnlijk een bepaalde uitkomst is, gebaseerd op een vaste dataset. Dang zegt: “Wanneer deze aanpak wordt getest met echte data van onderzoeken naar slaapstoornissen, obesitas en kanker, zien we dat het model consistent beter presteert dan bestaande onderzoeksmethoden. Hierbij worden specifieke families geïdentificeerd waarvan we weten dat ze bepaalde biologische processen in gang zetten, wat vertrouwen schept dat het model echte biologische relaties kan vinden in plaats van nutteloze statistische patronen.”

credit: ©2025 Tsunoda et al. CC-BY-ND. De onderliggende architectuur van VBayesMM

Nieuwe behandelmethode

De biologen hopen dat VBayesMM uiteindelijk kan helpen met het ontwikkelen van een nieuwe behandelmethode. Dang zegt: “Het probleem is dat we nog maar net beginnen te begrijpen welke bacteriën welke metabolieten produceren en hoe deze verhoudingen kunnen veranderen wanneer we te maken krijgen met verschillende ziektes. Door deze verhoudingen beter in kaart te krijgen, kunnen we mogelijk gepersonaliseerde therapieën ontwikkelen. Stel je voor dat je een bacterie kan laten groeien om een metaboliet zó aan te passen dat deze helpt met het behandelen van een ziekte.”

Tekortkomingen

Ondanks dat is VBayesMM niet perfect. Zo is er een hoop rekenkracht nodig om het model te laten draaien en is de accuraatheid van het model afhankelijk van hoeveel data er daadwerkelijk bestaat omtrent microben in de darmflora. Daarnaast maakt VBayesMM vooralsnog de aanname dat microben los van elkaar functioneren. In werkelijkheid is dit niet zo; microben onderling kunnen juist veel interactie met elkaar hebben. Dang sluit af: “We willen VBayesMM in de toekomst robuuster maken tijdens het analyseren van diverse patiëntenpopulaties. Ook willen we data van bacteriële ‘familiestambomen’ toevoegen zodat het model betere voorspellingen kan maken. Ten slotte willen we ervoor zorgen dat het model minder rekenkracht nodig heeft om een analyse uit te voeren. Het ultieme doel voor klinische toepassingen is om specifieke bacteriën te vinden voor behandelingen of dieetinterventies die patiënten ook daadwerkelijk kunnen helpen.”