El aprendizaje automático revela el vínculo entre las bacterias intestinales y los riñones en la enfermedad renal diabética

La enfermedad renal diabética (DKD) es la principal causa de enfermedad renal terminal a nivel mundial. Aunque la disbiosis intestinal es cada vez más reconocida en la enfermedad renal crónica, las contribuciones funcionales específicas de microorganismos intestinales individuales a la fisiopatología de la DKD han permanecido escasamente caracterizadas. Este estudio buscó cerrar esa brecha utilizando una cohorte taiwanesa grande y bien caracterizada, junto con un sofisticado marco analítico integrador.

Un total de 990 adultos residentes en la comunidad, pertenecientes a la Northeastern Taiwan Community Medicine Research Cohort, fueron incluidos: 455 controles sanos, 204 con diabetes mellitus tipo 2 (DM), 182 con DKD y 149 con ERC. Las muestras de heces se sometieron a secuenciación del gen 16S rRNA de longitud completa en un sistema PacBio Sequel IIe, generando lecturas de alta fidelidad e identificando 1.082 taxones en todas las muestras. Se integró una metabolómica sanguínea dirigida —que incluía perfiles lipidomicos y de aminoácidos— con los datos del microbioma.

El pipeline de aprendizaje automático fue una innovación metodológica central. Se diseñaron tres tipos de características de la microbiota: (1) abundancia relativa de microbios individuales, (2) presencia/ausencia binaria de un microbio, y (3) razones de abundancia jerárquica entre distintos niveles taxonómicos. Se evaluaron cuatro paneles de clasificación por pares —DM vs. Control, DKD vs. DM, DKD vs. ERC y ERC vs. Control—, alcanzando tasas de precisión de 0,72–0,78 y AUC de 0,79–0,86. Mediante la combinación de la selección de características derivada del aprendizaje automático con el análisis de abundancia diferencial, se identificaron 13 biomarcadores de microbiota intestinal que correlacionaron simultáneamente de forma sólida con índices antropométricos, metabólicos y renales, proporcionando una alta capacidad discriminatoria entre estados de enfermedad.

Entre los biomarcadores identificados, <em>Gemmiger</em> spp. emergió como una firma específica de DKD. La predicción de vías funcionales reveló que <em>Gemmiger</em> spp. está enriquecida en vías de metabolismo de carbohidratos y biosíntesis de aminoácidos de cadena ramificada (BCAA). De manera crucial, las concentraciones circulantes de BCAA —L-valina, L-leucina y L-isoleucina—, junto con su precursor biosintético L-glutamato, estaban significativamente elevadas tanto en pacientes con DM como con DKD. Esta convergencia sugiere que, en presencia de hiperglucemia, las vías de glucólisis, fermentación del piruvato y biosíntesis de BCAA se encuentran colectivamente desreguladas de una manera potencialmente orquestada, al menos en parte, por la alteración de la actividad microbiana intestinal.

Estos hallazgos tienen implicaciones importantes. <em>Gemmiger</em> spp. y otros biomarcadores identificados podrían servir como herramientas diagnósticas no invasivas para distinguir la DKD de la ERC o de la DM de forma aislada. El vínculo mecanístico a través de la sobreproducción de BCAA apunta también hacia intervenciones dirigidas a la microbiota —como la modificación dietética o la modulación selectiva de bacterias productoras de BCAA— como posibles vías terapéuticas. Las advertencias incluyen el diseño transversal, que limita la inferencia causal, y el uso de capacidad funcional predicha en lugar de confirmación metatranscriptómica o metagenómica directa de la actividad metabólica microbiana.