Medicina de precisión basada en el microbioma mediante la integración de múltiples ómicas y el aprendizaje automático.

El microbioma intestinal (GME) es un ecosistema dinámico compuesto por diversos microorganismos con un amplio potencial funcional que influye en la fisiología, la endocrinología y la neurología del huésped. Esta revisión explora cómo la multiómica (mOMICS) y el aprendizaje automático (ML) mejoran la comprensión del GME y sus implicaciones para las enfermedades humanas y la terapia. La integración de la metagenómica, la metatranscriptómica, la metaproteómica y la metabolómica con el ML permite establecer la relación entre la composición y la función microbiana y los resultados clínicos. Los enfoques combinados de mOMICS dilucidan la dinámica de especies y cepas, las vías metabólicas y la producción de metabolitos dentro del entorno intestinal.

Técnicas como la metagenómica de secuenciación completa, los genomas ensamblados a partir de metagenomas y el mapeo de vías revelan asociaciones entre la disbiosis y enfermedades como la enfermedad inflamatoria intestinal, el cáncer colorrectal, las enfermedades cardiometabólicas y los trastornos neurológicos. Los conocimientos mecanicistas destacan el papel de los ácidos grasos de cadena corta en la regulación inmunitaria, las transformaciones de los ácidos biliares en la señalización metabólica y el óxido de trimetilamina N en el riesgo cardiovascular. Los modelos de ML entrenados con conjuntos de datos heterogéneos identifican módulos microbianos relacionados con la enfermedad, mejoran la estratificación de los pacientes y predicen las respuestas terapéuticas, como la diferenciación de subtipos de EII y la detección de firmas microbianas relacionadas con el cáncer. Los análisis de redes revelan patrones de interacción microbiana intestinal que influyen en la fisiología del huésped.

Las herramientas integrativas emergentes, como MOFA+, DIABLO y MintTea, fortalecen el análisis intermodal y el descubrimiento de biomarcadores. Los flujos de trabajo estandarizados que abordan el control de calidad, el ensamblaje, la agrupación, la anotación y la visualización garantizan la reproducibilidad. En conjunto, la mOMICS y el ML establecen un marco sólido para traducir la ecología del GME en biomarcadores clínicamente relevantes e intervenciones de precisión. Para mejorar la fiabilidad, los estudios del GME deben adoptar protocolos de muestreo uniformes, corregir los sesgos composicionales, emplear modelos interpretables y validar los hallazgos en cohortes de múltiples centros para avanzar en el desarrollo de diagnósticos y terapias basados en el microbioma en la medicina de precisión.