Cambios en el microbioma en pacientes con COVID-19

Estudios recientes muestran cambios en el intestino y otros microbiomas, incluyendo los de la boca y la garganta, después de que las personas se infectan con COVID-19. Estos cambios pueden llevar a enfermedades más graves e incluso a la muerte, ya que pueden hacer que los pacientes sean más propensos a infecciones adicionales. Varios informes destacan infecciones bacterianas en pacientes con COVID-19, pero los resultados difieren entre grupos de personas. Las infecciones bacterianas han sido más comunes en pacientes con COVID-19, siendo Streptococcus pneumoniae la más frecuentemente encontrada, seguida de Klebsiella pneumoniae. Aunque puede ser difícil saber si una bacteria está causando una infección o simplemente está presente en el cuerpo, aún no entendemos completamente con qué frecuencia y de qué manera ocurren estas infecciones bacterianas en pacientes con COVID-19.

#¿Qué es la Metagenómica?

La metagenómica es un método que ayuda a los científicos a identificar patógenos en una muestra de manera más efectiva que las pruebas tradicionales que se centran en gérmenes específicos. Este método también proporciona información útil sobre los tipos y cantidades de diferentes microbios presentes. Usar estos datos junto con información clínica y demográfica ayuda a los investigadores a aprender más sobre cómo interactúan y se comportan estos gérmenes en diferentes entornos. Sin embargo, analizar estos datos complejos es difícil porque no hay suficientes métodos establecidos para evaluar cuantitativamente cómo el microbioma se relaciona con los resultados de salud.

#Aprendizaje automático en la Investigación del Microbioma

Cada vez más investigadores están utilizando inteligencia artificial y aprendizaje automático para estudiar la relación entre los anfitriones y sus microbiomas. Estas herramientas son mejores para manejar datos complejos que los métodos tradicionales. En nuestro estudio, utilizamos aprendizaje automático para analizar datos de pacientes con COVID-19 en Uganda, centrándonos en predecir qué gérmenes pueden estar relacionados con las diferentes etapas de la enfermedad.

#Características de los Participantes

Recopilamos muestras de heces de 105 participantes, que fueron analizadas para entender sus perfiles microbianos. Los participantes se dividieron en tres grupos: casos leves de COVID-19 (42 participantes), casos severos (58 participantes) y personas sanas (5 participantes). Los del grupo severo eran generalmente mayores, con una edad promedio de 45.5 años, en comparación con una edad promedio de 32.6 años para los casos leves. La mayoría de los participantes estaban casados, y aunque la mayoría de los casos leves no tenían otros problemas de salud, un número significativo de casos severos sí los tenía.

#Composición del Microbioma Intestinal

La composición del microbioma intestinal mostró diferencias entre los tres grupos. Una bacteria específica llamada Faecalibacterium prausnitzii se encontró tanto en casos leves como severos, pero fue más común en personas sanas. Otras bacterias como Eggerthella lenta y Collinsella aerofaciens también se encontraban en todos los grupos. Algunas especies eran más comunes en los casos leves, mientras que otras eran más abundantes en los casos severos. Niveles aumentados de Akkermansia muciniphila y Prevotella copri se asociaron con casos severos, mientras que los individuos sanos tenían más Bacteroides plebeius.

#Diversidad Bacteriana

Al observar la diversidad bacteriana en casos leves y severos, se encontró una diversidad similar entre los dos grupos, sugiriendo que no había una diferencia significativa. Sin embargo, al comparar la composición general de los microbios intestinales, observamos patrones distintos. Aunque las bacterias Bacteroides se encontraron en todos los grupos, había menos en los individuos infectados, y se notó un aumento en otros grupos bacterianos como Prevotella y Streptococcus en aquellos con COVID-19.

#Presencia de Bacterias Patógenas

Ciertas bacterias que pueden causar enfermedades se encontraron con más frecuencia en casos severos de COVID-19. Por ejemplo, Haemophilus influenzae y Klebsiella oxytoca estaban cada vez más presentes en aquellos con síntomas más severos. Staphylococcus aureus se encontró en todos los grupos, pero los niveles eran más altos en los casos severos. Otras bacterias dañinas como Salmonella enterica estaban casi ausentes en personas sanas, pero aumentaban en presencia de casos leves a severos.

#Análisis de Diversidad Bacteriana

#Diversidad Alfa

Para medir la diversidad de bacterias, utilizamos un método llamado índice de diversidad de Shannon. Nos centramos en comparar casos leves y severos, ya que solo había unas pocas muestras de individuos sanos. Los resultados mostraron que la diversidad microbiana era similar entre los dos grupos. Pruebas estadísticas adicionales confirmaron estos hallazgos, indicando que no había una diferencia significativa en la diversidad según la gravedad de COVID-19.

#Diversidad Beta

Para la diversidad beta, usamos un método para visualizar las diferencias en las comunidades microbianas. Se identificaron tres clústeres distintos, con casos leves y severos distribuidos en todos los clústeres. Estadísticamente, había una diferencia notable en la composición del microbioma según la gravedad, pero esto solo explicaba un pequeño porcentaje de la variación en la composición de la comunidad.

#Cambios en la Composición Bacteriana

Usando un análisis de abundancia diferencial, identificamos cambios significativos en la composición microbiana entre casos leves y severos. Algunas bacterias mostraron disminuciones en abundancia en casos severos, mientras que otras eran significativamente más altas. Por ejemplo, familias como Enterococcaceae aumentaron drásticamente en casos severos, sugiriendo su papel en la progresión de la enfermedad.

#Prediciendo la Gravedad del COVID-19 con Aprendizaje Automático

Utilizamos técnicas de aprendizaje automático para predecir qué pacientes tenían COVID-19 más severo según sus características demográficas y perfiles microbianos. La hospitalización sirvió como un indicador para los casos severos. Se probaron varios modelos, siendo el modelo de Bosques Aleatorios el que mejor rendimiento tuvo, logrando una precisión del 83.3%. Este modelo destacó varios factores importantes, incluyendo la edad y bacterias específicas, que indicaron un posible vínculo con la gravedad de la enfermedad.

#Hallazgos Generales

Nuestro análisis reveló que el microbioma intestinal en Uganda difería significativamente entre individuos con COVID-19 leve y severo y personas sanas. Si bien se encontraron algunas bacterias comunes entre todos los grupos, la abundancia de otras varió significativamente según el estado de salud. Esto sugiere que estos microbios podrían estar influenciados por la presencia de enfermedades.

#Diversidad Bacteriana y Salud

Una disminución en la diversidad microbiana se relacionó con casos más severos de COVID-19, apoyando la idea de que un microbioma diverso puede ofrecer cierta protección contra enfermedades. Fomentar la diversidad a través de cambios en la dieta y intervenciones podría ayudar a reducir la gravedad de la enfermedad. Estudios similares en otros lugares han sugerido conexiones entre ciertos microbios y la efectividad de la replicación viral, lo que podría llevar a terapias dirigidas.

#Rol de los Patógenos Oportunistas

Se observaron niveles aumentados de bacterias dañinas y una disminución de microbios benéficos en pacientes con COVID-19. Esto se alinea con estudios anteriores que notaron cambios microbianos similares durante las infecciones. La mayor presencia de bacterias potencialmente dañinas puede contribuir a enfermedades más graves en estos pacientes.

#Uso del Aprendizaje Automático

Investigaciones previas han utilizado aprendizaje automático para predecir la gravedad de la enfermedad según la composición microbiana, confirmando la existencia de patrones microbianos únicos en pacientes con COVID-19. Algunos estudios notaron un posible papel protector de ciertas bacterias, como Prevotella, durante la recuperación del virus. Sin embargo, los resultados pueden variar según varios factores, como los métodos de recolección de muestras y los antecedentes de los pacientes.

#Limitaciones del Estudio

Este estudio enfrentó varias limitaciones, incluyendo un número menor de individuos sanos debido a restricciones durante la pandemia de COVID-19. Este desequilibrio dificultó hacer comparaciones sólidas entre grupos. Además, factores como el uso previo de antibióticos y la dieta, que pueden afectar la composición del microbioma, no se examinaron a fondo. También usamos la hospitalización como una forma de categorizar la gravedad, lo que podría ser subjetivo.

#Conclusión

El microbioma juega un papel esencial en cómo el COVID-19 afecta a los pacientes, particularmente en Uganda. La presencia de bacterias dañinas y la falta de las beneficiosas en pacientes con COVID-19 indican cambios microbianos significativos que podrían tener implicaciones terapéuticas. Los niveles aumentados de ciertas bacterias y la reducción de la diversidad en el microbioma se correlacionan con enfermedades más graves.

Se necesita más investigación para explorar cómo las bacterias específicas impactan la gravedad del COVID-19 y para establecer conexiones más claras entre la composición microbiana y los resultados de salud. La aplicación de aprendizaje automático para predecir la gravedad de la enfermedad a partir de datos microbianos abre nuevas vías para tratamientos personalizados. Al entender mejor estas conexiones, podríamos desarrollar estrategias más efectivas para manejar enfermedades como el COVID-19.