Examinando Padrões de Comunidade Microbiana ao Longo do Tempo

A gente muitas vezes não consegue ver como micróbios minúsculos se comportam dentro de seres vivos. Em vez disso, a gente estuda como os números deles mudam ao longo do tempo pra adivinhar o que eles tão fazendo. Um método chamado IMPARO observa essas mudanças e usa matemática pra entender isso. Esse trabalho continua buscando a resposta pra pergunta: “O que esses micróbios fazem nas suas comunidades?” Em vez de só olhar pros atos deles, a gente foca em como os números deles mudam com o tempo. Chamamos essa mudança de "variação temporal do perfil de abundância" ou padrões TVAP. Esses padrões podem nos dizer coisas importantes sobre como os micróbios trabalham juntos nas comunidades deles.

É crucial ter dados de boa qualidade pra entender a atividade microbiana. Os melhores dados têm amostras frequentes coletadas ao longo do tempo e muitas dessas amostras. Embora existam muitos conjuntos de dados sobre abundância microbiana, a maioria não atende a esses critérios. Por exemplo, um estudo mediu os micróbios nos corpos de duas pessoas por 15 meses, coletando amostras todo dia. Isso permitiu uma visão clara da atividade microbiana.

Porém, coletar dados de qualidade assim não é fácil. Por exemplo, estudar os micróbios intestinais de uma pessoa saudável exigiria amostras de fezes todo dia por seis meses, o que é bem complicado. Outros fatores também podem dificultar, como os custos e as habilidades especiais necessárias pra coletar amostras de ambientes específicos, tipo recifes de coral. Alguns estudos também focam em períodos mais curtos, como observar o microbioma vaginal só durante a menstruação.

Muitos estudos coletam dados de comunidades microbianas semelhantes, que definimos como comunidades no mesmo tipo de hospedeiro. Quando um conjunto de dados não é suficiente, usar múltiplos conjuntos de dados de comunidades semelhantes pode ajudar a preencher as lacunas e nos dar melhores insights. Nesse trabalho, vamos investigar como podemos reconhecer padrões coletivamente pra entender melhor como as comunidades microbianas se comportam.

#Trabalho Relacionado

Vamos discutir trabalhos relacionados em quatro áreas principais. Primeiro, vamos explorar que tipos de conjuntos de dados estão disponíveis e quais qualidades eles devem ter. Em seguida, vamos focar em métodos usados pra interpretar a atividade microbiana, que se relaciona com nosso objetivo de melhorar como inferimos essas atividades. Terceiro, vamos falar sobre métodos de reconhecimento de padrões coletivos e agrupamento, que são componentes chave da nossa pesquisa. Por fim, vamos revisar a literatura sobre Individualidade e Conformidade em comunidades microbianas, incluindo ideias sobre assinaturas microbianas e tipos de comunidade.

#Conjuntos de Dados de Abundância Microbiana

Nesta seção, vamos resumir conjuntos de dados onde dados de séries temporais foram coletados de ambientes hospedeiros semelhantes. Um exemplo é o conjunto de dados dos microbiomas intestinais de bebês prematuros, que inclui 58 amostras. Essas amostras foram coletadas de bebês em uma enfermaria hospitalar, limitando fatores externos que poderiam influenciar o comportamento dos micróbios. No total, foram coletadas 922 amostras desses bebês até 36 semanas após o nascimento.

Outro conjunto de dados envolve microbiomas vaginais de 32 mulheres, com um total de 937 amostras coletadas ao longo de 16 semanas. Um terceiro conjunto envolve mais de 2.500 amostras de 49 mulheres grávidas, analisando suas comunidades microbianas antes e depois do parto. Um quarto conjunto coleta dados de 82 bebês, observando tanto micróbios intestinais quanto respiratórios ao longo de um ano.

A disponibilidade desses conjuntos de dados é crucial para nossa estrutura.

#Inferência da Atividade da Comunidade Microbiana

Muitos métodos de inferência da atividade microbiana dependem de conjuntos de dados de alta frequência com muitos pontos de dados. Embora alguns métodos funcionem bem com conjuntos de dados de um único ambiente, eles não consideram a possibilidade de combinar amostras de séries temporais de diferentes ambientes semelhantes.

#Reconhecimento de Padrões Coletivos, Agrupamento e Abordagens de Alinhamento Temporal

A ideia de reconhecimento de padrões coletivos tem sido discutida em várias áreas, mas menos na investigação de interações ou dados de abundância microbiana. Vamos olhar para trabalhos anteriores sobre reconhecimento de padrões coletivos e sua relevância para nossa pesquisa.

#Individualidade e Conformidade

Em comunidades microbianas, individualidade se refere a comportamentos únicos entre comunidades semelhantes, enquanto conformidade denota padrões previsíveis compartilhados entre elas. Ambos os conceitos foram explorados em diferentes estudos, principalmente na pesquisa do microbioma intestinal.

#Motivação e Contribuições

Nossa motivação vem do fato de que o reconhecimento de padrões coletivos pode complementar estudos de individualidade e conformidade na dinâmica microbiana. Ao observar múltiplos conjuntos de dados de ambientes semelhantes, buscamos melhorar nossa compreensão das comunidades microbianas.

Desenvolvemos o CoPR (Reconhecimento Coletivo de Padrões) como uma estrutura pra analisar atividades microbianas. O CoPR agrupa comunidades principalmente com base em seus padrões TVAP. Notavelmente, nosso trabalho é o primeiro a investigar o equilíbrio entre individualidade e conformidade na atividade microbiana. Pesquisas existentes muitas vezes assumem que um único padrão existe, enquanto nossa abordagem reconhece padrões de atividade diversos.

O CoPR nos permite considerar as complexidades e variações nos conjuntos de dados microbianos. Nossa análise inclui conjuntos de dados da vida real e simulações, revelando que características de individualidade e conformidade existem em vários níveis taxonômicos e ambientes.

#Análise da Não-Conformidade Entre Comunidades

Examinamos o TVAP de quatro principais Unidades Taxonômicas Operacionais (OTUs): Bacilli, Actinobacteria, Clostridia e Gammaproteobacteria no conjunto de dados intestinais de bebês prematuros. Cada OTU mostra clusters TVAP distintos, indicando que não há um comportamento uniforme entre diferentes comunidades.

#Observações

O agrupamento distinto do TVAP sugere a ausência de um padrão comum para OTUs em vários contextos. Por exemplo, os Gammaproteobacteria mostram separação acentuada, indicando comportamentos diversos dentro de diferentes clusters. Essas diferenças podem revelar insights valiosos sobre como esses micróbios se adaptam e interagem.

#Conformidade Entre Comunidades

Enquanto alguns OTUs demonstram comportamentos únicos, também observamos instâncias de conformidade. Clusters específicos podem mostrar comportamentos consistentes, indicando que certas comunidades são mais previsíveis. Por exemplo, no caso dos Gammaproteobacteria, dois clusters exibem padrões semelhantes de subida e descida, sugerindo um nível de conformidade entre certas comunidades microbianas.

#Análise de Clusters Entre Diferentes OTUs

A seguir, investigamos a sobreposição entre clusters de várias OTUs. Ao examinar as distribuições de pertencimento aos clusters, podemos quantificar como diferentes OTUs se relacionam entre si. Notavelmente, uma forte sobreposição foi observada entre os clusters de Gammaproteobacteria e Bacilli, indicando interações potenciais que valem uma exploração mais profunda.

#Clusters e Fatores Externos

Também olhamos se fatores externos influenciam o agrupamento de ambientes hospedeiros. Alguns conjuntos de dados incluem variáveis clínicas e ambientais, impactando como as comunidades microbianas se comportam. No entanto, nossos testes de qui-quadrado revelam nenhuma conexão significativa entre o método de parto e o agrupamento dos padrões TVAP.

#Temas Comuns em Vários Conjuntos de Dados da Vida Real

Pra identificar temas comuns, estudamos microbiomas intestinais, nasais e da garganta de outro conjunto de dados. Semelhante a descobertas anteriores, observamos padrões de agrupamento entre principais OTUs. As comunidades de Gammaproteobacteria novamente se separaram bem, mostrando que esses micróbios podem compartilhar padrões entre diferentes conjuntos de dados.

#Distinguir Clusters Disjuntos de Clusters Conectados

Notamos que alguns OTUs exibem clusters disjuntos distintos, enquanto outros mostram clusters conectados, que indicam comportamentos diferentes. Clusters disjuntos sugerem um padrão específico de atividade microbiana, enquanto clusters conectados implicam mudanças comportamentais graduais.

#Análise em Diferentes Resoluções Taxonômicas

Nossa análise mostra que características de individualidade e conformidade permanecem observáveis em diferentes níveis taxonômicos. À medida que analisamos dados desde o nível do filo até o nível do gênero, encontramos padrões consistentes nas separações de clusters.

#Análise de Principais OTUs e OTUs Secundários

Enquanto focamos principalmente em principais OTUs, também olhamos pra OTUs secundários e observamos padrões semelhantes em seu comportamento TVAP. Mesmo OTUs não principais revelam características comportamentais que contribuem com insights valiosos sobre a dinâmica microbiana.

#Análise de Dados Simulados

Após examinar conjuntos de dados da vida real, testamos nossa estrutura usando dados simulados pra descobrir padrões conhecidos. Embora criar simulações perfeitas seja desafiador, usamos uma abordagem baseada em estêncil pra gerar padrões que se aproximam dos dados do mundo real.

#Individualidade versus Conformidade

Definimos individualidade como a tendência dos micróbios a mostrar comportamentos diferentes em ambientes semelhantes, enquanto conformidade indica que eles exibem padrões similares. Ambos os conceitos coexistem dentro das comunidades microbianas, destacando a necessidade de consideração cuidadosa ao desenvolver modelos para o comportamento microbiano.

#Observações da Análise

As visualizações indicam que as comunidades microbianas não se agrupam uniformemente. Em vez disso, sua dispersão reflete comportamentos e interações variadas. Além disso, a existência de clusters sugere que subconjuntos de OTUs podem demonstrar padrões comuns, mesmo enquanto a individualidade também prevalece.

#Conclusão

O CoPR fornece uma estrutura valiosa pra obter insights sobre comunidades microbianas através do reconhecimento coletivo de padrões. Nossa análise demonstra que os padrões de atividade nas comunidades microbianas são complexos e geralmente variam de um ambiente hospedeiro pra outro. Propomos que individualidade e conformidade coexistem dentro desses padrões, enfatizando a importância de examinar os dados microbianos de forma abrangente.