Roboty laboratoryjne i AI znalazły trio bakterii poprawiające zdrowie jelit

Zespół inżynierii biomedycznej z Duke University opracował metodę, która pozwala systematycznie przeszukiwać biliony możliwych kombinacji bakterii jelitowych i włókien dietetycznych, zamiast testować je metodą prób i błędów. Wyniki, opublikowane 27 lipca 2026 roku w czasopiśmie Nature Chemical Biology, pokazują konkretną trójkę bakterii i jeden rodzaj błonnika, które w połączeniu niezawodnie produkują maślan, związek kluczowy dla zdrowia jelit, niezależnie od tego, jakie inne mikroorganizmy już tam żyją.

Metoda zamiast zgadywania

Kierowniczka badania Ophelia Venturelli, profesor nadzwyczajna inżynierii biomedycznej na Duke University, tłumaczy, że dotychczasowe podejście do projektowania suplementów probiotycznych i prebiotycznych opierało się głównie na intuicji i ograniczonych testach. Firmy łączyły bakterie z błonnikami, licząc na efekt synergii, ale bez systematycznego sposobu sprawdzenia, które zestawienia faktycznie działają w warunkach zmienności ludzkiego mikrobiomu.

Problem polega na tym, że skład mikrobiomu jelitowego różni się drastycznie między ludźmi, w zależności od diety, przyjmowanych leków i wcześniej obecnych w jelitach organizmów. Kombinacja bakterii i błonnika, która działa u jednej osoby, może zupełnie zawieść u innej. Zespół z Duke chciał znaleźć zestawy, które dają powtarzalny efekt niezależnie od tego tła.

Roboty i uczenie aktywne

Kluczem do przeszukania tak ogromnej przestrzeni możliwości było połączenie automatyzacji laboratoryjnej z algorytmami uczenia maszynowego opartymi na optymalizacji bayesowskiej. Roboty laboratoryjne wykonywały tysiące równoległych eksperymentów hodowli bakterii w różnych mieszankach, a model AI analizował wyniki każdej rundy i na tej podstawie proponował, które kombinacje przetestować w kolejnej turze, zawężając stopniowo pole poszukiwań.

W pięciu seriach wysokoprzepustowych testów, z których każda badała jednocześnie do 390 warunków, zespół był w stanie eksplorować ułamek z bilionów teoretycznie możliwych zestawień, ale wystarczający, by trafić na kombinację dającą spójny, przewidywalny rezultat.

Probiotyki same w sobie mogą nie kolonizować jelita wystarczająco długo - Ophelia Venturelli, profesor nadzwyczajna inżynierii biomedycznej, Duke University

Co znaleziono

Zidentyfikowana triada, bakterie Bacteroides uniformis, Anaerostipes caccae oraz Prevotella copri w połączeniu z włóknem inuliny, konsekwentnie produkowała maślan (butyrat), krótkołańcuchowy kwas tłuszczowy, który odżywia komórki wyściełające jelito grube, wspiera barierę jelitową i ma udokumentowane działanie przeciwzapalne. Według zespołu efekt utrzymywał się niezależnie od tego, jakie inne mikroorganizmy były już obecne w badanym środowisku, co jest kluczowe, bo to właśnie ta zmienność dotąd psuła powtarzalność wyników komercyjnych produktów.

Znaczenie dla przemysłu i medycyny

Globalny rynek probiotyków i prebiotyków, wart około 130 miliardów dolarów, od lat zmaga się z problemem niespójnych efektów: produkt, który w badaniach klinicznych działa u jednej grupy pacjentów, u innej nie daje żadnego rezultatu. Metoda opracowana w Duke oferuje sposób na projektowanie kombinacji z gwarancją odtwarzalności, co mogłoby przełożyć się na bardziej celowane produkty dopasowane do konkretnych schorzeń żołądkowo-jelitowych.

Autorzy badania wskazują też na szersze zastosowania kliniczne, w tym potencjał we wspieraniu leczenia chorób zapalnych jelit i innych zaburzeń, w których zaburzona równowaga mikrobiomu odgrywa rolę. Naukowcy podkreślają, że kolejnym krokiem jest przetestowanie znalezionej kombinacji w modelach zwierzęcych i docelowo w badaniach z udziałem ludzi.

Szersze tło

Badanie wpisuje się w rosnący trend wykorzystania robotyki laboratoryjnej połączonej z AI do przyspieszania odkryć biomedycznych, od projektowania leków po inżynierię mikrobiomu. Automatyzacja pozwala na skalę eksperymentów niemożliwą do osiągnięcia metodami ręcznymi, a algorytmy uczenia aktywnego minimalizują liczbę potrzebnych prób, kierując badaczy od razu w stronę najbardziej obiecujących kombinacji zamiast losowego przeszukiwania.

Projekt sfinansowały amerykańskie National Institutes of Health oraz Army Research Office. W zespole, poza Venturelli, znaleźli się między innymi Bryce M. Connors, Jaron Thompson, Manasi Subhash Gangan, Nick Quinn-Bohmann, Sean M. Gibbons oraz badacze z innych ośrodków współpracujących przy projekcie.