Maschinelles Lernen enthüllt Verbindung zwischen Darmbakterien und Nieren bei diabetischer Nierenerkrankung

Diabetische Nierenerkrankung (DKD) ist weltweit die häufigste Ursache für terminales Nierenversagen. Obwohl Darmdysbiose bei chronischer Nierenerkrankung zunehmend erkannt wird, sind die spezifischen funktionellen Beiträge einzelner Darmmikroorganismen zur Pathophysiologie der DKD bisher nur unzureichend charakterisiert. Diese Studie zielte darauf ab, diese Lücke mithilfe einer großen, gut charakterisierten taiwanesischen Kohorte und eines ausgefeilten integrativen Analyserahmens zu schließen.

Insgesamt wurden 990 in der Gemeinschaft lebende Erwachsene aus der Northeastern Taiwan Community Medicine Research Cohort eingeschlossen: 455 gesunde Kontrollpersonen, 204 mit Typ-2-Diabetes mellitus (DM), 182 mit DKD und 149 mit CKD. Stuhlproben wurden mittels Volllängen-16S-rRNA-Gen-Sequenzierung auf einem PacBio Sequel IIe-System analysiert, wobei hochpräzise Reads generiert und 1.082 Taxa über alle Proben hinweg aufgelöst wurden. Gezielte Blutmetabolomik – einschließlich Lipidomik- und Aminosäure-Profiling – wurde mit Mikrobiom-Daten integriert.

Die maschinelle Lernpipeline stellte eine zentrale methodische Innovation dar. Es wurden drei Arten von Mikrobiota-Merkmalen entwickelt: (1) relative Häufigkeit einzelner Mikroben, (2) binäre An-/Abwesenheit einer Mikrobe und (3) hierarchische Häufigkeitsverhältnisse zwischen verschiedenen taxonomischen Ebenen. Vier paarweise Klassifikationspanels wurden bewertet – DM vs. Kontrolle, DKD vs. DM, DKD vs. CKD und CKD vs. Kontrolle – mit Genauigkeitsraten von 0,72–0,78 und AUCs von 0,79–0,86. Durch die Kombination von ML-basierter Merkmalsauswahl mit Differenzialmengenanalyse wurden 13 Darmmikrobiota-Biomarker identifiziert, die gleichzeitig stark mit anthropometrischen, metabolischen und renalen Indizes korrelierten und eine hohe Diskriminierungsfähigkeit zwischen verschiedenen Krankheitszuständen aufwiesen.

Unter den identifizierten Biomarkern erwies sich Gemmiger spp. als DKD-spezifische Signatur. Funktionelle Signalwegvorhersagen zeigten, dass Gemmiger spp. in Kohlenhydratstoffwechsel- und Biosyntheseweg-Pathways für verzwettkettige Aminosäuren (BCAA) angereichert ist. Entscheidend ist, dass die zirkulierenden Konzentrationen von BCAAs – L-Valin, L-Leucin und L-Isoleucin – zusammen mit ihrem Biosynthese-Vorläufer L-Glutamat bei DM- und DKD-Patienten signifikant erhöht waren. Diese Konvergenz legt nahe, dass bei Vorliegen einer Hyperglykämie Glykolyse, Pyruvatfermentation und BCAA-Biosynthesewege gemeinsam dysreguliert sind – möglicherweise zumindest teilweise durch veränderte mikrobielle Darmaktivität orchestriert.

Diese Erkenntnisse haben wichtige Implikationen. Gemmiger spp. und andere identifizierte Biomarker könnten als nicht-invasive Diagnosewerkzeuge zur Unterscheidung von DKD gegenüber CKD oder alleinigem DM dienen. Der mechanistische Zusammenhang über BCAA-Überproduktion weist zudem auf mikrobiota-gezielte Interventionen hin – wie Ernährungsmodifikation oder selektive Modulation BCAA-produzierender Bakterien – als potenzielle therapeutische Ansätze. Zu den Einschränkungen zählen das Querschnittsdesign, das kausale Schlussfolgerungen begrenzt, sowie die Verwendung vorhergesagter funktioneller Kapazitäten anstelle einer direkten metatransskriptomischen oder metagenomischen Bestätigung der mikrobiellen Stoffwechselaktivität.