Decision-relevant measurement for precision microbiome interventions

ヒトの腸は、細菌が単純に混ざり合ったスープのように存在する、単一で均一な管ではありません。むしろ、そこは明確な「近所」が存在する、長くうねった景観のようなものであり、それぞれの場所が微生物の生活に異なる条件を提供しています。森林の樹冠にある空気と、その下の土壌にある空気が異なるように、胃、小腸、大腸の内部環境は、酸素レベル、栄養の利用可能性、および酸性度において異なります。これらの違いが、各セクションに独自の微生物コミュニティを生み出しています。数十年もの間、科学者たちはこれらのコミュニティを、ほぼ排泄物（便）のサンプルを分析することによって研究してきました。便は採取が容易であり、消化管全体を通り抜けて生き残った微生物のスナップショットを提供してくれます。しかし、この手法には根本的な限界があります。それは、それが「下流の混合物」であるということです。微生物がトイレに到達する頃には、腸の上部と下部からの明確な信号は混ざり合ってしまい、健康や疾患の治療を理解するために最も重要となる可能性のある、特定の詳細な情報を洗い流してしまう可能性があるのです。

この混合は、精密な治療法を設計しようとする研究者にとって困難な問題を生み出します。もし医師が、ある疾患を治療するために小腸内の特定の細菌コミュニティを標的にしたいと考えた場合、便のサンプルに頼ることは、特定の都市の天気を理解するために地球全体の平均値を見ようとするようなものです。問題は、便のサンプルにおける詳細の喪失が、実際に医学的な決定を下す際に影響を与えるのかどうかという点です。ぼやけた画像の中に、適切な治療法を選択するための十分な情報が含まれているのか、それとも、失われた空間的な詳細が誤った選択へと導いてしまうのか。この不確実性は、腸の異なる部位から直接サンプルを採取するという追加の労力とリスクを冒す価値があるのか、あるいは便利な便のサンプルで介入を導くのに十分なのかについて、科学者を悩ませてきました。

カリフォルニア大学バークレー校の研究チームは、この問題を単なる正確性のテストではなく、「情報のテスト」として扱うことで、この問いに答えようとしました。彼らは、4つの特定の腸内領域からサンプルを収集するように設計された、飲み込み可能なカプセルを使用した11人の健康なボランティアによる過去の研究データを使用しました。これらのカプセルは、腸の異なる部位における微生物コミュニティの希少で詳細な地図を提供し、研究者はそれを同じ時期に収集された同じ人物の便サンプルと比較することができました。科学者たちは、単に便が腸のサンプルと似ているかどうかを問うたのではありません。彼らは、詳細な領域マップを持っていた場合に医師が行うであろう決定を、便のサンプルを用いて行うことができるかどうかを問いました。彼らは、情報の損失が、医療上の決定を左右する種類の情報であるかどうかを確認するための枠組みを作成しました。

これを行うために、研究者たちはまず、数千種類もの個々の細菌を、腸内での役割に基づいた11のより広範な機能グループ、すなわち「ギルド」に分類しました。次に、数学的モデルを構築し、4つの腸内領域のデータのみを使用して、便がどのような状態であったかを再構成できるかどうかを検証しました。彼らは、単純な平均から複雑な統計的組み合わせに至るまで、多くの異なる方法で領域信号を混合する方法をテストしました。目標は、どのモデルが便の組成を最もよく再現できるかを見極めることでした。その結果、細菌の生のカウント数ではなく相対的な割合を考慮する特定の種類の数学的幾形（ジオメトリ）を用いたモデルが、他のモデルよりもわずかに優れた性能を示すことが分かりました。しかし、その改善はわずかであり、実行したテストの数を補正すると、これらの複雑なモデルが単純な集団平均よりも真に優れているという証拠は、決定的なものと見なすには不十分でした。

研究のより重要な部分は、これらのモデルが「意思決定の能力」を保持しているかどうかをテストした際にありました。研究者たちは、上部腸内の特定の種類の細菌活動を検出したり、下部腸内の有益な化合物の欠如を検出したりするなど、医師が介入を決定する必要がある3つの具体的なシナリオを定義しました。そして、詳細な領域データを使用する場合と比較して、再構成された便サンプルを使用することで、どれだけの「決定価値」が失われるかを算出しました。驚くべきことに、便の組成の再構成において最も優れた性能を示したモデルが、必ずしも意思決定のための情報を最もよく保持するモデルであるとは限らないことが判明しました。あるケースでは、便の組成の再構成としては不十分なモデルであっても、決定に必要な決定的な信号を維持できていた一方で、便の組成を完璧に再現したモデルが、介入に不可なる詳細な情報を平滑化（スムージング）してしまっている場合がありました。決定的なのは、観察された便サンプル自体が、個別化された意思決定を行うにはほとんど情報を持っていないという事実でした。集団平均を用いて便の組成を予測するモデルは、実際の便サンプルが持つ決定の損失曲線と密接に一致しましたが、これは便サンプル自体が、個別の領域に関する情報をほとんど保持していなかったためです。

また、この研究は、細菌をどのようにグループ化するか、および欠損データをどのように扱うかによって、結果が逆転し得ることも明らかにしました。研究者が細菌のグループをより広範なカテゴリーに簡略化したところ、どのモデルが最良であるかの順位が変わり、場合によっては、単純な集団平均が複雑な領域モデルよりも優れた性能を示すことがありました。これは、領域データの収集の価値が固定された事実ではなく、データの分析方法や、探求されている特定の生物学的特徴に大きく依存することを示唆しています。研究者たちは、腸と便の関係は単純な「一律の混合」ではないと結論付けました。便サンプルに含まれる情報は、腸の現実に対する複雑なフィルターであり、そのフィルターが十分であるかどうかは、問われている特定の質問に完全に依存するのです。

最終的に、これらの知見は、便のサンプルが腸の内部状態の完璧な代用物である、あるいは役に立たない近似値であると決めつけることはできないことを示唆しています。この研究は、組成の正確性と意思決定の有用性は、二つの異なるものであることを示しています。便のサンプルを正確に再現するという点で、一見優れた性能に見える測定戦略であっても、治療を導くための特定の生物学的信号を捉えることに失敗する可能性があります。逆に、サンプルの再現としては正確性に欠けるように見える手法であっても、特定の医学的決定のための鍵となる情報を保持している場合があります。研究者たちは、将来の研究においては、単に測定が腸とどれだけ一致するかを問うのではなく、それが意図された医学的行動に必要な特定の区別を保持しているかどうかを問うべきであると主張しています。つまり、マイクロバイオーム研究の設計は、単一のサンプルタイプが腸に関するあらゆる問いに答えられると想定するのではなく、生物学的な表現とその目的とするタスクを切り離せない一体のものとして扱い、直面している特定の決定に合わせてカスタマイズされる必要があるのです。