사람 질병의 장내 미생물총 연구를 혼란시키는 숙주 변수(Host variables)

Ivan Vujkovic-Cvijin과 연구진들은 American Gut Project (AGP)의 장내 미생물 총(Gut microbiota)의 공개적으로 사용 가능한 최대 규모의 16S 데이터를 통해 기계 학습 접근법(Machine-learning approach)을 적용하여 장내 미생물 총과 인간 질병 사이의 연관성을 찾기 위하여 가장 큰 효과 크기(Effect size)의 혼란 변수(Confounding variables)를 설정하였다. 연구진들은 체질량 지수(BMI), 성별, 나이, 지리적 위치, 알코올 섭취 빈도, 배변 특징 및 다양한 음식의 식이 섭취 빈도를 확인할 수 있는 장내 미생물 총의 구성과 강한 연관성을 갖는 잠재적 혼란 변수를 설정하는 것부터 시작하였다. 연구진들은 대부분의 질병에 대한 사례와 대조군 사이의 이러한 미생물군 관련 변수의 분포에 상당한 차이가 있음을 발표하였으며, 이는 사례와 대조군이 적절하게 일치하지 않는 한 일반적인 단면 연구(Cross-sectional survey)가 질병과 관련된 차이뿐만 아니라 미생물 총 관련 혼란 변수에 의해 유발된 차이도 식별할 수 있음을 시사한다. 실제로, 연구진들은 빈번하게 발생하는 많은 인간 질병의 경우, 혼란 변수에 대한 일치 사례 및 대조군이 이전에 관찰된 미생물총의 차이를 줄이고, 가짜 연관의 발생을 줄이기 위해 비교 그룹을 일치시킬 목적으로 권장되는 숙주 변수 목록을 보여주었다.