Integrated analysis reveals strong reproducible signals within and across studies of the built environment

Deze studie toont aan dat het microbiome van de gebouwde omgeving, ondanks variaties in locaties en methodologieën, reproduceerbare bacteriële signalen vertoont met een consistente scheiding tussen bodem-gerelateerde taxa op vloeren en mens-gerelateerde taxa op handen en aanraakoppervlakken.

De kern

De Microbiële "Stempel" van Gebouwen: Een Verhaal over Vloeren, Handen en Schoonheid

Stel je voor dat elk gebouw, of het nu een ziekenhuis, een studentenhuis of een militair slaapverblijf is, een onzichtbare "geur" heeft. Niet een geur die je met je neus kunt ruiken, maar een geur die bestaat uit miljarden onzichtbare bacteriën. Deze onzichtbare wereld noemen we het microbioom.

De onderzoekers van dit artikel wilden weten: Is deze onzichtbare geur in elk gebouw anders, of is er een groot, herkenbaar patroon dat door alle gebouwen heen loopt, ongeacht wie er woont of hoe ze schoonmaken?

Hier is wat ze ontdekten, vertaald in een simpel verhaal met een paar creatieve vergelijkingen.

1. Het Grote Verwarringsprobleem: Verschillende Talen

Vroeger was het vergelijken van bacteriestudies in gebouwen als proberen een gesprek te voeren met iemand die een andere taal spreekt.

• Studie A noemde een bureau een "werkplek".
• Studie B noemde hetzelfde een "handoppervlak".
• Studie C noemde de vloer "bedkamer" of "hoek".

De onderzoekers losten dit op door een simpele vertaalsleutel (een 'ontologie') te maken. Ze zagen alle oppervlakken in drie grote categorieën:

1. De Hand: Alles wat direct met mensen te maken heeft (zoals de hand zelf of de binnenkant van de elleboog).
2. Het Hand-oppervlak: Alles wat handen aanraken (deuren, bureaus, leuningen).
3. De Vloer: Alles wat op de grond ligt.

2. Het Grote Ontdekking: Twee Werelden, Eén Gebouw

Toen ze de data van vier heel verschillende gebouwen (een ziekenhuis, een studentenhuis, een legerkazerne en privéhuizen) door elkaar heen keken, zagen ze iets verrassends: De bacteriën gedroegen zich alsof ze een stempel hadden.

• De Vloer is de "Tuinman":
  De vloer in elk gebouw, of het nu in Charlotte of in een legerkazerne was, leek op een tuin. Hier vonden ze bacteriën die normaal in de aarde leven (zoals Sphingobacterium).

  • De analogie: Denk aan je schoenen. Als je buiten loopt, pluk je een beetje aarde en gras op je schoenzolen. Als je binnenloopt, laat je die "tuin" achter op de vloer. De vloer is dus een verzameling van de buitenwereld.

• De Hand is de "Huidbewoner":
  Op handen en de dingen die we aanraken (deuren, bureaus), vonden ze bacteriën die typisch zijn voor menselijke huid (zoals Cutibacterium).

  • De analogie: Dit is alsof je een stempel van je handafdruk achterlaat op alles wat je aanraakt. De bacteriën op je huid "pikken" de oppervlakken over.

3. Het Verrassende Resultaat: De Vloer wint het van de "Taal"

Het grootste probleem bij dit soort onderzoek is vaak de technische ruis. Verschillende labs gebruiken verschillende apparatuur, verschillende poetsmiddelen en verschillende methoden. Dit zou de resultaten moeten verpesten, net als ruis op de radio.

Maar wat de onderzoekers zagen, was dat de biologische signalen (de "echte" bacteriën) veel harder schreeuwden dan de technische ruis.

• Het maakt niet uit of je in een ziekenhuis of een studentenhuis zit: de vloer ziet er altijd uit als een vloer (aarde-bacteriën) en de hand ziet er altijd uit als een hand (huid-bacteriën).
• Zelfs zonder ingewikkelde computerprogramma's om de "ruis" te verwijderen, was dit patroon al duidelijk zichtbaar. Het was alsof je een zee van ruis hebt, maar de golven van de oceaan (het patroon) zijn zo groot dat je ze toch duidelijk kunt zien.

4. Waar het lastig was: De Hand vs. Het Bureau

Terwijl het verschil tussen Vloer en Hand heel duidelijk was (zoals dag en nacht), was het verschil tussen Hand en Dingen die we aanraken (zoals een bureau) veel vaagder.

• De analogie: Het is alsof je probeert te zeggen of iemand net heeft gelopen of net heeft gezeten. Omdat we onze handen overal op leggen, vermengen de bacteriën zich. Op een bureau zit een beetje van de "hand" en een beetje van de "omgeving". Het is een grijs gebied, en dat was lastig om te voorspellen met computers.

5. Waarom is dit belangrijk?

Vroeger dachten veel wetenschappers dat elk gebouw een uniek, willekeurig ecosysteem was. Dit artikel zegt: "Nee, er is een universele regel."

• Betrouwbaarheid: Als je een nieuwe studie doet, kun je nu zeggen: "Kijk, mijn vloer-bacteriën lijken op die van de andere studies. Dat betekent dat mijn resultaten betrouwbaar zijn."
• Toekomst: Dit helpt bij het maken van slimme systemen. Als we weten hoe een "normaal" gebouw eruitziet, kunnen we sneller zien als er iets mis is (bijvoorbeeld als een ziekenhuis niet goed genoeg wordt schoongemaakt of als er een ziekte uitbreekt).

Kortom:
Gebouwen zijn niet willekeurige verzamelingen van bacteriën. Ze hebben een vaste structuur: de vloer is de buitenwereld (aarde) en de dingen die we aanraken zijn de mens (huid). Zelfs als we op verschillende manieren meten, blijft dit patroon staan. Het is alsof alle gebouwen, ongeacht hun inrichting, dezelfde onzichtbare "handtekening" dragen.

Technische samenvatting

Probleemstelling

Onderzoek naar het microbioom van de gebouwde omgeving (indoor microbiomes) heeft talloze factoren geïdentificeerd die deze microbiële gemeenschappen beïnvloeden. Echter, de reproduceerbaarheid van deze bevindingen over verschillende gebouwen, tijdstippen en onderzoeksgroepen heen blijft onduidelijk. De belangrijkste uitdagingen zijn:

• Heterogeniteit: Verschillen in sequentiële protocollen, bemonsteringsontwerp en omgevingsfactoren maken cross-studie vergelijkingen moeilijk.
• Laag biomassa: In de gebouwde omgeving is de biomassa vaak laag, waardoor technische variatie en contaminatie biologische signalen kunnen verdoezelen.
• Batch-effecten: Technische variatie kan sterke batch-effecten veroorzaken die echte biologische signalen maskeren, wat leidt tot misleidende ecologische inferenties.
• Ontologische inconsistentie: Verschillende studies gebruiken verschillende terminologie voor dezelfde oppervlakken (bijv. "desk", "countertop", "bedrail"), wat directe vergelijkingen bemoeilijkt.

Methodologie

De auteurs hebben een geïntegreerde analyse uitgevoerd van vier publiek beschikbare 16S rRNA-genedatasets uit verschillende omgevingen: een ziekenhuis, een universiteitsdormitorium, een Air Force-dormitorium en particuliere woningen.

1. Ontologie-ontwikkeling: Om datasets te harmoniseren, hebben de auteurs een eenvoudige ontologie ontwikkeld die alle monsters in drie categorieën indelen:
   • Hand: Directe menselijke huidcontacten (inclusief de binnenkant van de elleboog in de Air Force-studie als proxy).
   • Hand-geassocieerde oppervlakken: Omgevingen die vaak door handen worden aangeraakt (bijv. bureaus, leuningen).
   • Vloer: Vloeroppervlakken.
2. Data-preprocessing:
   • Denoising: Gebruik van QIIME 2 (DADA2) zonder trimming of truncatie.
   • Taxonomische toewijzing: Gebruik van een Naive Bayes-klassificator getraind op de Silva 138-database.
   • Normalisatie: Log-normering om verschillen in read-depth te corrigeren.
3. Statistische en Machine Learning-analyses:
   • Multivariate statistiek: PERMANOVA en PCoA (Bray-Curtis dissimilariteit) om clustering te beoordelen.
   • Machine Learning: Random Forest-modellen werden getraind om oppervlaktetypes te classificeren.
     • Intra-studie: Timepoint-analyses binnen studies.
     • Inter-studie: "Leave-one-study-out" (LOSO) cross-validatie om reproduceerbaarheid tussen studies te testen.
   • Batch-correctie: Toepassing van DEBIAS-M, een algoritme specifiek ontworpen voor microbiome-data, om te testen of technische correctie de resultaten verbetert.
   • Validatie: P-value vs. p-value plots om overeenstemming tussen studies over specifieke taxa te visualiseren.

Belangrijkste Bijdragen

• Ontologie voor Gebouwde Omgeving: Een gestandaardiseerde indeling die cross-studie meta-analyses mogelijk maakt ondanks verschillende bemonsteringsnamen.
• Validatie van Reproduceerbaarheid: Het aantonen dat biologische signalen (niche-partitioning) sterker zijn dan methodologische verschillen tussen studies.
• Beoordeling van Batch-correctie: Het inzicht dat geavanceerde batch-correctie (DEBIAS-M) niet altijd noodzakelijk is om robuuste ecologische signalen te detecteren in de gebouwde omgeving.

Resultaten

1. Sterke Scheiding Vloer vs. Hand/Hand-geassocieerd:
   • Er is een sterke, reproduceerbare scheiding tussen vloeren en oppervlakken met menselijk contact.
   • Vloeren zijn consistent verrijkt met bodem-geassocieerde taxa (bijv. KD4-96, 67-14, Skermanella, Sphingobacterium).
   • Handen en hand-geassocieerde oppervlakken zijn verrijkt met huid-geassocieerde genera (bijv. Lawsonella, Cutibacterium).
2. Machine Learning Prestaties:
   • Random Forest-modellen bereikten hoge AUC-waarden (0,865 tot 0,921) bij het onderscheiden van handen van vloeren, zelfs bij LOSO-validatie.
   • De scheiding tussen hand-geassocieerde oppervlakken en vloeren was matig tot sterk, maar zwakker dan hand vs. vloer.
   • De scheiding tussen handen en hand-geassocieerde oppervlakken was het zwakst en het minst reproduceerbaar (AUC 0,54–0,69), wat wijst op een bidirectionele bacteriële uitwisseling.
3. Invloed van Batch-effecten:
   • Toepassing van DEBIAS-M verbeterde de classificatieprestaties of de effectgroottes niet significant. Dit suggereert dat het biologische signaal al sterk genoeg is om technische ruis te overwinnen zonder correctie.
   • PERMANOVA-analyses toonden aan dat de variatie door "studie" (methodologie) klein was (R² ~0,03-0,05) vergeleken met de variatie door "monster-type" (ecologische niche).
4. Temporale Variabiliteit:
   • Binnen studies waren de resultaten over het algemeen consistent over tijd, hoewel er uitzonderingen waren (bijv. een specifiek tijdstip in het ziekenhuis waar de scheiding minder duidelijk was), wat de noodzaak van cross-studie validatie benadrukt.

Significantie en Conclusie

De studie concludeert dat het microbioom van de gebouwde omgeving een reproduceerbaar bacterieel signaal heeft, ondanks grote verschillen in gebouwtype, bewoners en methodologie.

• Ecologische Stabiliteit: Er bestaat een stabiele ecologische structuur waarbij vloeren voornamelijk worden bevolkt door buitenkomstige (bodem) microben, terwijl handen en aangrenzende oppervlakken een menselijke huid-sigatuur dragen.
• Implicaties voor Onderzoek: Dit ondermijnt het idee dat elke studie uniek en niet-vergelijkbaar is. Het stelt dat cross-studie vergelijkingen mogelijk en zinvol zijn.
• Toekomstperspectief: Deze bevindingen vormen een fundament voor predictieve toepassingen in het onderzoek naar het binnenmilieu, zoals het detecteren van afwijkingen door schoonmaakpraktijken of ventilatieveranderingen. Het benadrukt ook dat individuele studies zonder contextuele validatie misleidende conclusies kunnen trekken (bijv. door uitzonderlijke tijdstippen of lokale omstandigheden).

Kortom, de studie bewijst dat door middel van een consistente ontologie robuuste ecologische patronen kunnen worden geëxtraheerd uit heterogene datasets, wat de weg vrijmaakt voor grootschalige meta-analyses in de microbiologie van de gebouwde omgeving.