ó dr. clara belzer
M
ensen hebben van nature de neiging om patronen te herkennen en ver- banden te leggen om tot een verkla- ring te komen van verschijnselen om hen heen. Daarbij verwart men regelmatig toeval met correlatie, en correlatie met causaliteit, ofwel het oorzakelijk verband. Causaliteit betekent dat A invloed heeft op B. Terwijl een correlatie alleen aan- geeft dat A en B een lineaire samenhang vertonen.Uit analyse van enorme hoeveelheden data, tegenwoordig big data genoemd, rollen soms ver- rassende correlaties. Zo is er een sterke correlatie tussen het aantal verdrinkingen in Europa en het aantal ijsjes dat in hetzelfde jaar verkocht werd. Is het eten van ijsjes nu gevaarlijk? Misschien wel voor je gewicht, maar je zal er waarschijnlijk niet sneller door verdrinken. Deze twee waarnemingen
hebben in feite niets met elkaar te maken. Het is waarschijnlijker dat er een derde factor in het spel is, die zowel iets met ijs eten als met verdrinken te maken heeft. In dit geval het weer. Wanneer er sprake is van een warme zomer, wordt er meer gezwommen en stijgt het aantal verdrinkingen, ook worden er dan meer ijsjes verkocht.
Zo lijkt er ook een correlatie te bestaan tussen het aantal mensen dat wereldwijd verdrinkt in het zwembad en het aantal keren dat Nicolas Cage in een film te zien was. Het is niet eenvoudig een verklaring te vinden waarom deze twee gebeurte- nissen eenzelfde trend vertonen over een periode van 10 jaar. Wat zou dit keer de derde factor zijn? Of berust deze correlatie op puur toeval?
Wie zoekt, zal vinden
Als je maar lang genoeg zoekt, vind je de meest absurde correlaties. Door handig gebruik te maken van de oneindige digitale informatiebronnen op het internet is dit zoeken ineens best eenvoudig geworden. Omdat bij analyse van grotere datasets
zo veel parameters vergeleken kunnen worden, is het risico groot dat er verbanden gevonden worden, terwijl de parameters slechts door louter toeval eenzelfde patroon vertonen. In het geval van Nicholas Cage is de correlatie gevoelsmatig onlo- gisch, maar aan intuïtie heb je weinig wanneer het om zeer complexe data gaat.
Biologen en clinici proberen massaal correlaties te vinden tussen verschillende microbiomen en de mate van gezondheid. Veelal tonen desbetreffende studies geen causaal verband. Bijvoorbeeld omdat zieke mensen vaak al lang medicijnen slikken en mensen met obesitas al jaren ongezond eten. Deze factoren zullen ook een effect hebben op de ontwikkeling van hun ziekte en de samenstelling van hun microbioom. Bovendien kunnen andere factoren, zoals genetische achtergrond of land van herkomst, een rol spelen bij zowel de uiteindelijke microbioomsamenstelling en de kans op ziekte- ontwikkeling.
De grote uitdaging is om te achterhalen of veran- deringen in het microbioom inderdaad een rol spe- len bij ziekte. Is er een verklaring voor het feit dat in een dataset van duizenden bacteriën, bepaalde bacteriën correleren met ziekte, of is dit toeval?
Van correlatie naar oorzaak en gevolg
Een goed voorbeeld van een causaliteit tussen de microbioomsamenstelling en ziekteontwikke- ling is poeptransplantatie bij patiënten met een
Clostridium difficile infectie in de darm. Dit micro-
organisme kan alleen dan toeslaan wanneer het microbioom van de patiënt verstoord is. Bovendien kan een gunstige microbioomsamenstelling door poeptransplantatie de schadelijkheid van de ziekte- verwekker te niet doen.
Er zijn ook voorbeelden waar men een nieuw goedaardig of zelfs een gezondheidsbevorderend micro-organisme op het spoor is gekomen. De bacterie Akkermansia muciniphila is een micro- organisme dat door zijn afwijkende afmeting
en genetische samenstelling lang verborgen is gebleven voor onderzoekers. A. muciniphila lijkt vaker talrijk in een gezond mens en vaker afwezig of schaars in mensen en muizen met obesitas en (pre)diabetes. Onderzoekers hebben het verband tussen deze bacterie en de metabole gezondheid van de gastheer kunnen aantonen. Dat wil zeggen dat in muismodellen het toevoegen van A. muci-
niphila een positief effect heeft op gewichtsbehoud
en metabole gezondheid. Een klinische studie met prediabetes-patiënten moet het gunstige effect van het gebruik van dit organisme voor de metabole gezondheid van mensen nog wel bevestigen.
Er zijn momenteel gelukkig veel benaderingen beschikbaar die gebruikt kunnen worden om een oorzakelijk verband tussen het microbioom en gezondheid aan te tonen. Zo zijn er kiemvrije muizen die nog nooit in aanraking zijn geweest met bacteriën. Door deze bacterievrije muizen bloot te stellen aan micro-organismen kan worden
getest wat het effect van specifieke bacteriën is op bijvoorbeeld stofwisseling, vertering of immuun- reactie. Een ander voorbeeld zijn celkweekmetho- den om een minidarmpje (darmorganoïde) in het lab te laten groeien om zo de reactie van mense- lijke darmcellen op het toedienen van bacteriën te meten. Er zijn ook darmmodellen die het mogelijk maken om in vitro complexe combinaties van bacteriën uit de darm op te kweken. Hierdoor is het mogelijk om metingen te doen aan bacteriële componenten die normaal in de darm vrijkomen.
Uiteraard geven deze modellen geen uitsluitsel over de effectiviteit van een potentiële behandeling om het microbioom te beïnvloeden en zal er altijd een klinische studie gedaan moeten worden in de beoogde doelgroep. Hopelijk gaan wetenschappers gestaag door met het onderzoek aan het microbi- oom en kunnen we in de toekomst profiteren van gepersonaliseerde behandelingen tegen ziekten, afgestemd op ons eigen microbioom.