Wer ernsthaft auf Mikrobiom-Forschung aufbauen will, muss zuerst eine naheliegende Frage beantworten: Wenn zwei große Kohorten einen Zusammenhang zwischen demselben Ernährungsfaktor und derselben Bakteriengattung melden, stimmen sie dann überein?
Diese Frage ist mehr als akademische Ordnungsliebe. Wer in uns investiert, mit uns zusammenarbeitet oder technisch genau hinschaut, sollte jedem Unternehmen misstrauen, das aus Mikrobiom-Studien brauchbare Empfehlungen machen will, solange es nicht zeigen kann, dass die zugrunde liegende Evidenz über unabhängige Kohorten hinweg zumindest in der Richtung stabil ist.
Dieser Beitrag fasst den ersten Validierungsschritt im öffentlichen Evidenzprogramm von Gut Twin (Darm-Zwilling) zusammen. Eine Schlagzeile für Verbraucher oder eine Geschichte über „Darmgesundheit“ sucht man hier vergeblich. Uns ging es um eine engere und wichtigere Frage: Sind veröffentlichte Koeffiziententabellen aus vergleichbaren Studien zu Ernährung und Mikrobiom konsistent genug, um sie später diszipliniert weiterzuverwenden?
Diesen ersten Schritt haben wir bewusst eng gehalten. Bevor wir fragen, ob sich neuere Kohorten mit Shotgun-Sequenzierung und CLR-Transformation in dieselbe Evidenzschicht einbinden lassen, wollten wir zeigen, dass die Weiterverwendung innerhalb der am besten vergleichbaren veröffentlichten Studienfamilie überhaupt funktioniert.
Das Infrastrukturproblem hinter Mikrobiom-Produkten
Die Literatur zu Ernährung und Mikrobiom ist inzwischen so groß, dass sich daraus fast jede Geschichte zusammenbauen lässt. Genau das ist das Problem. Die meisten Studien arbeiten mit unterschiedlichen Fragebögen, Sequenzierverfahren, statistischen Modellen und Variablenkodierungen. Zwei Arbeiten können scheinbar „denselben“ Zusammenhang melden und dabei verschiedene Dinge in verschiedenen Einheiten messen.
An veröffentlichten Befunden mangelt es also nicht. Der eigentliche Engpass ist die Übertragbarkeit der Koeffizienten: Lassen sich veröffentlichte Ergebnisse vergleichen, prüfen und zusammenführen, ohne dass am Ende ein Haufen Signale übrig bleibt, die dem Namen nach ähnlich und methodisch unvereinbar sind?
Unsere Haltung ist einfach: Wer nicht zeigen kann, dass vergleichbare Studien sich in den Grundlagen einig sind, sollte daraus keine harmonisierte Evidenzschicht bauen.
Was wir getestet haben
Die gesamte Mikrobiom-Literatur zu vergleichen, wäre methodisch unseriös gewesen. Stattdessen haben wir eine enge Bedingung für Vergleichbarkeit festgelegt: 16S-Sequenzierung, Regression aus der MaAsLin-Familie und Faktorkodierungen, die nah genug beieinanderliegen, dass ein Vergleich auf Ebene der Koeffizienten sinnvoll ist.
Von elf infrage kommenden Kohorten haben nur drei diesen Filter bestanden.
- Veröffentlichte StudienElf infrage kommende Kohorten geprüft
- Filter auf VergleichbarkeitNur Kohorten, die gleich ausgewertet wurden (16S-Sequenzierung, MaAsLin)3 bestanden
- Harmonisierung59 Ernährungs- und Lebensstilfaktoren zugeordnet und 9 markiert, die je nach Kohorte etwas anderes bedeuten
- ValidierungGeprüft, ob gemeinsame Paare in dieselbe Richtung zeigen89 % bei starken Signalen
- 16S-ReferenzschichtDie validierte Basis, auf der die nächsten Arbeiten aufbauen
Das waren:
- LifeLines-DEEP: 1.135 Erwachsene aus den Niederlanden, veröffentlicht in Science (2016)
- Flemish Gut Flora Project: 1.106 Erwachsene aus Belgien, ebenfalls in Science (2016)
- American Gut Project: 4.376 Erwachsene, die meisten aus den USA. Diese Daten haben wir aus öffentlich verfügbaren Quellen selbst neu ausgewertet, damit sie mit den europäischen Studien vergleichbar sind.
Wir haben 59 Ernährungs- und Lebensstilfaktoren über die drei Kohorten hinweg einander zugeordnet und neun Fälle ausdrücklich markiert, in denen Variablen dem Namen nach ähnlich aussahen, aber etwas anderes bedeuteten oder anders skaliert waren. Dieser Katalog der Abweichungen gehört zum Kern der Sache. Wer Studien verantwortungsvoll weiterverwenden will, muss erkennen, wo ein naiver Abgleich von Stichwörtern scheinbare Widersprüche oder scheinbare Übereinstimmung erzeugen würde.
Dann haben wir die einfachste Validierungsfrage gestellt, die es gibt: Wenn zwei Kohorten beide einen Koeffizienten für denselben Faktor und dieselbe Gattung melden, stimmen sie in der Richtung überein?
Was wir gefunden haben
Ja, innerhalb dieser methodisch vergleichbaren Familie und innerhalb der begrenzten Überschneidung, die es derzeit gibt.
Bei den stärksten gemeinsamen Signalen, also Zusammenhängen, die in beiden Kohorten signifikant waren, zeigten im größten Vergleich 89 % in dieselbe Richtung.
| Alle vergleichbaren Paare | Nur starke Signale | |
|---|---|---|
| Niederlande vs. USA | 67,3 %, 37 von 55 | 88,9 %, 16 von 18 |
| Belgien vs. USA | 75 %, 9 von 12 | 60 %, 3 von 5 |
| Niederlande vs. Belgien | 75 %, 3 von 4 | 75 %, 3 von 4 |
Konkret stimmten 16 von 18 gemeinsamen signifikanten Paaren zwischen der niederländischen Kohorte LifeLines-DEEP und der neu ausgewerteten American-Gut-Kohorte überein. Auch die Größe der Koeffizienten korrelierte positiv. Es ging also um mehr als nur die Richtung des Effekts.
Als wir den Vergleich auf alle vergleichbaren Paare ausgeweitet haben, unabhängig von der statistischen Stärke, sank die Übereinstimmung auf 67 %. Das überrascht nicht. Schwache Signale streuen stärker, und jedes ernsthafte Verfahren zur Integration sollte zwischen breiter Überschneidung und Überschneidung mit hoher Sicherheit unterscheiden.
Nur zwei Zusammenhänge ließen sich in allen drei Kohorten testen, beide mit Bezug zur Bristol-Stuhlformen-Skala:
- Weicherer Stuhl = weniger Bacteroides: in allen drei Kohorten übereinstimmend
- Weicherer Stuhl = mehr Roseburia: in allen drei Kohorten übereinstimmend
Spektakulär sind diese Befunde nicht. Nützlich sind sie trotzdem: Sie passen zu dem, was über die Dauer der Darmpassage bekannt ist, und dienen als saubere biologische Anker in einer dünnen Überschneidungsmenge.
Was das bedeutet
Dieses Ergebnis heißt nicht, dass die Mikrobiom-Forschung abgeschlossen ist, und auch nicht, dass veröffentlichte Koeffiziententabellen in Rohform austauschbar sind. Die Überschneidung ist hier begrenzt. Drei westliche Kohorten bilden nur einen schmalen Ausschnitt der weltweiten Ernährungsvielfalt ab, und nur 17 der 59 harmonisierten Faktoren waren in mindestens zwei Studien vergleichbar.
Es zeigt aber, dass sorgfältige Prüfung auf Vergleichbarkeit, Harmonisierung auf Ebene der Konzepte und ein ausdrücklicher Umgang mit Abweichungen einen gemeinsamen Vergleichsraum schaffen können. In diesem Raum ist die Übereinstimmung stark genug, um weiterzuarbeiten.
Für die Forschung ist das ein nützliches methodisches Ergebnis. Für alle, die mit uns zusammenarbeiten oder in uns investieren, ist es ein Beleg dafür, dass wir „die Literatur“ nicht als einheitlichen Brei behandeln. Wir bauen eine Evidenzschicht in Etappen auf und beginnen mit dem Teil der öffentlichen Ergebnisse, der sich Vertrauen zuerst durch Validierung verdienen kann.
Für uns heißt das: erst eine Referenzschicht schaffen, dann die schwierigeren Brückenprobleme angehen. Dass es weitere Kohorten gibt, steht fest. Die nächste methodische Frage ist, ob sich Kohorten, die mit anderen Sequenzier- und Transformationsverfahren entstanden sind, hinzufügen lassen, ohne dass die Vergleichbarkeit verloren geht.
Warum das für Gut Twin wichtig ist
Gut Twin entwickelt ein Werkzeug für Ernährungsempfehlungen. Es stützt sich auf öffentliche und strukturierte Evidenz dazu, wie Ernährungsmuster mit der Zusammensetzung des Darmmikrobioms zusammenhängen. Belastbar wird das nur, wenn die Evidenz-Pipeline strenger arbeitet als „viele Studien sammeln und den Durchschnitt bilden“.
Diese Validierung ist die erste Stufe dieser Pipeline. Bevor wir Kohorten in nachgelagerte Modelle einbinden, wollen wir wissen:
- welche Studien überhaupt vergleichbar sind
- wo die Übereinstimmung echt ist
- wo Widersprüche wahrscheinlich methodische Ursachen haben
- und wo die Überschneidung noch zu dünn für starke Aussagen ist
Diesen Anspruch bräuchte das Feld unserer Meinung nach öfter.
Was wir veröffentlichen
Wir veröffentlichen die Validierungslogik, die Metadaten zur Harmonisierung und die zusammenfassenden Statistiken zur Übereinstimmung, damit andere unsere Begründung nachprüfen können.
Integrierte, modellfertige Gewichte und den kompletten nachgelagerten Modellierungs-Stack veröffentlichen wir nicht. Sie gehören zur internen Infrastruktur, die wir auf der validierten öffentlichen Evidenzbasis aufbauen.
Wie es weitergeht
Dies ist die erste Arbeit einer Reihe, die in Etappen erscheint. Sie legt die enge 16S/MaAsLin-Referenzschicht fest, an die spätere Erweiterungen wieder anschließen müssen. Weitere Kohorten kommen erst ins Framework, wenn sie denselben Grundtest bestehen: zuerst methodische Vergleichbarkeit, dann Harmonisierung, und Validierung vor Integration.
Das dauert länger, als einfach alles zusammenzuwerfen, was relevant aussieht. Wir halten es aber für den einzigen glaubwürdigen Weg, auf öffentlicher Mikrobiom-Evidenz aufzubauen, ohne mehr zu behaupten, als die Literatur hergibt.
Der nächste Schritt der Reihe nimmt sich genau diesen schwierigeren Fall vor: ob sich ausgewählte neuere Shotgun-/CLR-Kohorten über eine empirische Anker-Kalibrierung mit dieser Referenzschicht verbinden lassen. So wächst die Abdeckung, ohne dass wir so tun, als wären alle Koeffizientenräume von Natur aus austauschbar.
Marvin Uhlmann und Maria Otworowska Gut Twin Research, Bliss Labs OÜ
Vollständige technische Arbeit (auf Englisch): „Building a harmonized public evidence base for diet-microbiome modelling: initial validation across three 16S cohorts.“