Mit Datenanalyse das Zusammenwirken von Bakterien verstehen
Neue Methode zum besseren Verständnis vieler Darmerkrankungen
Forscher der Jacobs University Bremen haben in Zusammenarbeit mit Kollegen in Kiel und Plön eine neue Datenanalyse-Methode entwickelt, um Interaktionen zwischen verschiedenen Bakterienarten zu erkunden. Die Methode könnte zu einem besseren Verständnis von Darmerkrankungen beitragen.
Bakterien begegnen uns überall - höhere Organismen tragen sie in großer Zahl in ihrem Körper mit sich. Dort verwerten sie jene Substanzen weiter, die der Körper für seinen Stoffwechsel nicht benötigt. Unter welchen Umständen verändert sich die Anzahl solcher Verdauungsbakterien bestimmter Arten? Die Antwort auf diese Frage könnte zu einem besseren Verständnis vieler, insbesondere entzündlicher, Darmerkrankungen beitragen. Denn bis heute fehlt das Wissen darüber, wie eine gesunde Bakterienmischung zusammengesetzt ist, wodurch diese gestört und wie sie gezielt beeinflusst werden kann.
Dieser Herausforderung haben sich Forscher des von Professor Marc-Thorsten Hütt geleiteten Bereichs Computational Systems Biology an der Jacobs University Bremen angenommen und eine neue Datenanalysemethode vorgeschlagen und getestet. In einem ersten Schritt wandten sie eine logische (Boolesche) Operation AND, das logische UND, an um zu testen ob zwei Bakterien in der gleichen Probe gemeinsam auftreten. Als zweites maßen sie den Informationsgewinn durch diese Operation, verglichen mit einer zufälligen Paarung beider Datensätze.
Die Methode wurde an einem theoretischen Modell getestet, das selbst wieder auf Grundlagen Boolescher Algebra beruht. Dabei zeigte sich, dass die Methode sich sehr gut eignet, um spezifische Interaktionen zwischen den Bakterien wie Nadeln im Heuhaufen aufzufinden.
In Zusammenarbeit mit Wissenschaftlern der Christian Albrechts Universität und dem Universitätsklinikum Schleswig-Holstein in Kiel und dem Max-Planck Institut für Evolutionsbiologie in Plön wurde die Methode an einem ersten grob zusammengefassten Datensatz getestet. Bereits an diesem Datensatz zeigten sich Interaktionen zwischen den Bakterien. Diese Erkenntnisse haben die Wissenschaftler nun im Fachjournal PLOS Computational Biology veröffentlicht.
„Wenn man bedenkt, wie einfach die Methode ist, ist es überraschend dass sie die Wechselwirkungen besser auffindet als andere bislang bekannte Methoden'', sagt Studienkoordinator Dr. Jens Christian Claussen von der Jacobs University. „Daher sehen wir eine gute Perspektive, dass - selbst bei komplizierten mikrobiologischen Systemen - die Formulierung einfacher aber relevanter Fragen uns zu einem vertieften Verständnis der Mechanismen führt.''
Originalveröffentlichung
Weitere News aus dem Ressort Wissenschaft
