La composición del microbioma permite distinguir la enfermedad inflamatoria intestinal del síndrome del intestino irritable (Sci Transl Med)


  • Noticias Médicas
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Un estudio de más de 1.700 individuos ha revelado diferencias en la composición y función del microbioma intestinal entre pacientes con enfermedad inflamatoria intestinal (EII) y síndrome del intestino irritable (SII). Los resultados podrían ayudar a distinguir entre pacientes con EII y SII y a la identificación de nuevas dianas terapéuticas.

EII y SII son dos de los trastornos gastrointestinales más comunes, que afectan a entre un 0,5 y un 21% de la población mundial, respectivamente. Estas enfermedades afectan la calidad de vida de los pacientes y son responsables de una carga económica de más de 10.000 millones de dólares al año en Estados Unidos y Europa combinados.

Los investigadores han encontrado que los cambios en el microbioma intestinal están asociados a ambos trastornos, pero pocos trabajos han perfilado completamente la comunidad de bacterias intestinales presentes en los pacientes con EII y SII. Para cerrar esta brecha, Arnau Vich Vila y colegas de la Facultad de Ciencias Médicas de la Universidad de Groningen (Países Bajos) secuenciaron muestras de heces de 355 pacientes con EII, 412 pacientes con SII y 1.025 controles. El estudio se publica en Science Translational Medicine.

Los científicos identificaron grupos de bacterias que se asociaron con EII y SII y vieron que ambos grupos de pacientes tenían una diversidad reducida de especies beneficiosas y una mayor diversidad de especies causantes de enfermedades. Además, las tasas de crecimiento bacteriano se alteraron en nueve especies en pacientes con EII y una especie en pacientes con SII, y ambos grupos mostraron una mayor abundancia de proteínas asociadas con la resistencia a los antibióticos.

Luego, los autores combinaron sus datos con técnicas de aprendizaje automático para crear un modelo que podría discriminar entre EII y SII, pero dicen que hacen falta estudios adicionales para validar la precisión del modelo y caracterizar mejor las vías microbianas en juego.