Si quieres construir algo serio sobre la investigación de la microbiota intestinal, antes tienes que responder a una pregunta obvia: cuando dos grandes cohortes, los grupos de participantes de dos estudios distintos, describen asociaciones entre el mismo factor de la dieta y el mismo género bacteriano, ¿coinciden de verdad?
La pregunta importa por algo más que la pulcritud académica. Quien invierta, colabore o tenga formación técnica debería desconfiar de cualquier empresa que afirme convertir artículos sobre la microbiota en recomendaciones útiles si no puede demostrar que la evidencia de partida apunta, como mínimo, en la misma dirección en cohortes independientes.
Este artículo resume el primer paso de validación de nuestro programa público de evidencia en Gut Twin Research, el área de investigación de Gut Twin (gemelo intestinal). Aquí no buscábamos titulares para el gran público ni una historia de «salud intestinal». El objetivo era más concreto, y más importante: comprobar si las tablas de coeficientes publicadas en estudios comparables de dieta y microbiota son lo bastante coherentes como para reutilizarlas con rigor más adelante.
Este primer paso lo acotamos a propósito. Las cohortes más recientes usan secuenciación shotgun, un método para identificar bacterias a partir de su ADN, y análisis basados en CLR, una transformación de las proporciones de bacterias para poder analizarlas. Antes de preguntarnos si esas cohortes pueden entrar en la misma capa de evidencia, queríamos demostrar que la reutilización funciona dentro de la familia de estudios publicados más comparable.
El problema de infraestructura detrás de los productos basados en la microbiota
La literatura publicada sobre dieta y microbiota ya es tan grande que casi cualquiera puede montar un relato con ella. Ese es justo el problema. La mayoría de los estudios usan cuestionarios, métodos de secuenciación, marcos estadísticos y codificaciones de variables distintos. Dos artículos pueden dar la impresión de describir «la misma» asociación y en realidad medir constructos diferentes en unidades diferentes.
Hallazgos publicados hay de sobra. El cuello de botella real está en la portabilidad de los coeficientes: ¿se pueden comparar, filtrar e integrar resultados publicados sin acabar con un montón de señales que se parecen sobre el papel pero no encajan en lo metodológico?
Nuestra postura es sencilla: si no puedes demostrar que estudios comparables coinciden en lo básico, no deberías construir con ellos una capa de evidencia armonizada.
Qué pusimos a prueba
No intentamos comparar toda la literatura sobre la microbiota, porque habría sido poco serio desde el punto de vista metodológico. Definimos una condición de compatibilidad estricta: secuenciación 16S, otro método para identificar bacterias a partir de su ADN; regresión de la familia MaAsLin, un método estadístico para buscar asociaciones entre factores de la dieta y bacterias; y codificaciones de factores lo bastante parecidas como para que comparar coeficientes tuviera sentido.
De once cohortes candidatas, solo tres pasaron el filtro.
- Estudios publicadosRevisamos once cohortes candidatas
- Filtro de compatibilidadNos quedamos solo con las cohortes analizadas del mismo modo (secuenciación 16S, MaAsLin)3 seleccionadas
- ArmonizaciónMapeamos 59 factores de alimentación y estilo de vida y marcamos 9 que significan cosas distintas según la cohorte
- ValidaciónComprobamos si los pares compartidos apuntan en la misma dirección89 % en las señales fuertes
- Capa de referencia 16SLa base validada sobre la que se construyen los siguientes trabajos
Fueron estas:
- LifeLines-DEEP: 1135 personas adultas de los Países Bajos, publicado en Science (2016)
- Flemish Gut Flora Project: 1106 personas adultas de Bélgica, también en Science (2016)
- American Gut Project: 4376 personas adultas, la mayoría de Estados Unidos, que reanalizamos por nuestra cuenta a partir de datos públicos para hacerlo compatible con los estudios europeos
Mapeamos 59 factores de alimentación y estilo de vida en las tres cohortes y marcamos expresamente nueve casos en los que las variables se parecían por el nombre pero diferían en significado o en escala. Ese catálogo de discrepancias forma parte del objetivo. Reutilizar datos con garantías exige detectar dónde emparejar variables solo por palabras clave crearía falsos desacuerdos o falsos acuerdos.
Después nos hicimos la pregunta de validación más sencilla posible: cuando dos cohortes dan un coeficiente para el mismo factor y el mismo género, ¿coinciden en la dirección?
Qué encontramos
Sí coinciden, dentro de esta familia metodológica compatible y dentro del solapamiento limitado que existe hoy.
Entre las señales compartidas más fuertes, es decir, las asociaciones significativas en ambas cohortes, el 89 % apuntaba en la misma dirección en la comparación más grande.
| Todos los pares comparables | Solo señales fuertes | |
|---|---|---|
| Neerlandesa frente a estadounidense | 67,3 %, 37 de 55 | 88,9 %, 16 de 18 |
| Belga frente a estadounidense | 75 %, 9 de 12 | 60 %, 3 de 5 |
| Neerlandesa frente a belga | 75 %, 3 de 4 | 75 %, 3 de 4 |
En concreto, 16 de los 18 pares significativos compartidos coincidían entre la cohorte neerlandesa LifeLines-DEEP y la cohorte American Gut reanalizada. La magnitud de los coeficientes también se correlacionaba de forma positiva, lo que sugiere que la coincidencia iba más allá de la dirección del efecto.
Al ampliar la comparación a todos los pares comparables, sin mirar la fuerza estadística, la coincidencia bajó al 67 %. No sorprende. Las señales débiles tienen más ruido, y cualquier marco de integración serio debería distinguir entre un solapamiento amplio y uno de alta confianza.
Solo dos asociaciones se podían comprobar en las tres cohortes, y las dos tienen que ver con el tipo de heces de la escala de Bristol:
- Heces más sueltas = menos Bacteroides: coincide en las tres cohortes
- Heces más sueltas = más Roseburia: coincide en las tres cohortes
No son hallazgos llamativos, pero sí útiles. Encajan con lo que se sabe de la fisiología del tiempo de tránsito y sirven como anclas biológicas limpias dentro de un solapamiento escaso.
Qué significa
Este resultado no significa que la ciencia de la microbiota esté cerrada, ni que las tablas de coeficientes publicadas sean intercambiables tal cual. El solapamiento aquí es limitado. Tres cohortes occidentales son una porción pequeña de la diversidad alimentaria del mundo, y solo 17 de los 59 factores armonizados se podían comparar en al menos dos estudios.
Lo que sí significa es que un filtrado cuidadoso de la compatibilidad, una armonización por conceptos y un tratamiento explícito de las discrepancias permiten recuperar un espacio de comparación compartido, con una coincidencia lo bastante fuerte como para justificar seguir trabajando.
Para quien investiga, es un resultado metodológico útil. Para quien colabora o invierte, es una prueba de que no tratamos «la literatura» como una masa indistinta. Construimos una capa de evidencia por etapas, empezando por los resultados públicos que primero se ganan la confianza al pasar la validación.
En nuestro caso, eso significa asentar una capa de referencia antes de atacar problemas de conexión más difíciles. La siguiente pregunta metodológica es si las cohortes generadas con otros procesos de secuenciación y transformación se pueden añadir sin romper la comparabilidad.
Por qué importa para Gut Twin
Gut Twin está construyendo una herramienta de orientación alimentaria que se apoya en evidencia pública y estructurada sobre cómo se relacionan los patrones de alimentación con la composición de la microbiota intestinal. Eso solo se sostiene si el proceso que maneja la evidencia es más riguroso que «reunir muchos artículos y sacar la media».
Este ejercicio de validación es la primera capa de ese proceso. Antes de integrar cohortes en los modelos posteriores, queremos saber:
- qué estudios son comparables y cuáles no
- dónde la coincidencia es real
- dónde el desacuerdo es probablemente metodológico
- y dónde el solapamiento sigue siendo demasiado escaso para sostener afirmaciones fuertes
Ese es el nivel de rigor que queremos ver más a menudo en este campo.
Qué publicamos
Publicamos la lógica de validación, los metadatos de armonización y las estadísticas resumidas de concordancia, para que cualquiera pueda revisar el razonamiento.
No publicamos los pesos integrados listos para el modelo ni todo el sistema de modelado posterior. Forman parte de la infraestructura propia que estamos construyendo sobre la base de evidencia pública validada.
Qué viene después
Este es el primer trabajo de una serie por etapas. Establece la capa de referencia estrecha de 16S/MaAsLin con la que tendrán que conectar las ampliaciones posteriores. Solo podrán entrar nuevas cohortes en el marco cuando pasen la misma prueba básica: primero compatibilidad metodológica, después armonización, y validación antes de integrar.
Es más lento que juntar todo lo que parezca relevante. Creemos que también es la única forma creíble de apoyarse en la evidencia pública sobre la microbiota sin exagerar lo que la literatura puede sostener.
El siguiente paso de la serie aborda justo ese caso más difícil: si algunas cohortes más recientes con shotgun/CLR se pueden conectar con esta capa de referencia mediante una calibración empírica con anclas, para ampliar la cobertura sin fingir que todos los espacios de coeficientes son intercambiables por naturaleza.
Marvin Uhlmann y Maria Otworowska Gut Twin Research, Bliss Labs OÜ
Artículo técnico completo (en inglés): «Building a harmonized public evidence base for diet-microbiome modelling: initial validation across three 16S cohorts».