The human gut microbiome and its influence in mental health

Mental health problems affect 25% of the population, making it the leading cause of disability globally. Normal microbiota is related with healthy states, however changes in its composition (called dysbiosis) is linked with non-healthy pathologies. In this project we explored the influence of the gu...

Descripción completa

Detalles Bibliográficos
Autor: Herreros Valenzuela, Eduardo
Tipo de recurso: tesis de maestría
Fecha de publicación:2020
País:España
Institución:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/106367
Acceso en línea:http://hdl.handle.net/10609/106367
Access Level:acceso abierto
Palabra clave:gut microbiome
machine learning
gut-brain axis
mental health
microbiota intestinal
aprendizaje automático
salud mental
eje cerebro-intestino
aprenentatge automàtic
salut mental
eix cervell-intestí
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
id ES_65bd7a056fbab9d34bbbcaa0904cd581
oai_identifier_str oai:openaccess.uoc.edu:10609/106367
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv The human gut microbiome and its influence in mental health
title The human gut microbiome and its influence in mental health
spellingShingle The human gut microbiome and its influence in mental health
Herreros Valenzuela, Eduardo
gut microbiome
machine learning
gut-brain axis
mental health
microbiota intestinal
aprendizaje automático
salud mental
eje cerebro-intestino
microbiota intestinal
aprenentatge automàtic
salut mental
eix cervell-intestí
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
title_short The human gut microbiome and its influence in mental health
title_full The human gut microbiome and its influence in mental health
title_fullStr The human gut microbiome and its influence in mental health
title_full_unstemmed The human gut microbiome and its influence in mental health
title_sort The human gut microbiome and its influence in mental health
dc.creator.none.fl_str_mv Herreros Valenzuela, Eduardo
author Herreros Valenzuela, Eduardo
author_facet Herreros Valenzuela, Eduardo
author_role author
dc.contributor.none.fl_str_mv Prados Carrasco, Ferran
Paytuví Gallart, Andreu
dc.subject.none.fl_str_mv gut microbiome
machine learning
gut-brain axis
mental health
microbiota intestinal
aprendizaje automático
salud mental
eje cerebro-intestino
microbiota intestinal
aprenentatge automàtic
salut mental
eix cervell-intestí
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
topic gut microbiome
machine learning
gut-brain axis
mental health
microbiota intestinal
aprendizaje automático
salud mental
eje cerebro-intestino
microbiota intestinal
aprenentatge automàtic
salut mental
eix cervell-intestí
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
description Mental health problems affect 25% of the population, making it the leading cause of disability globally. Normal microbiota is related with healthy states, however changes in its composition (called dysbiosis) is linked with non-healthy pathologies. In this project we explored the influence of the gut microbiota on the occurrence of non-healthy mental states using machine learning approaches, enterotype classifications and univariate and multivariate statistical analyses. Among the demographic characteristics we found differences between the mental illness states in the ethnicity (p = 0.04), sex (p = 0.004), irritable bowel disease (p < 0.001), etc. We found lower levels of Firmicutes and higher levels of Bacteroidetes and a lower Firmicutes/Bacteroidetes ratio in the gut of people with mental issues. People with mental illness has a lower alpha diversity index in their gut in comparison with healthy people (p = 0.002). The beta diversity analysis presented different centroids regarding the mental states statistically measured by the PERMANOVA test (p = 0.032). The best machine learning predictor was Random Forest with an accuracy of 0.62. However, because of we mixed the different mental disorders with a different biological background, probably creating noise, the prediction results of the machine learning algorithms do not have better performances. In conclusion, more efforts are necessary in the use of machine learning algorithms with microbiome information, because of the potential that these methods have in the classification and/or prediction of certain pathologies. Also, higher Firmicutes and lower Bacteroidetes could be risk factor in the occurrence of a mental illness.
publishDate 2020
dc.date.none.fl_str_mv 2020
2020
2020
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/106367
url http://hdl.handle.net/10609/106367
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869409765020401664
spelling The human gut microbiome and its influence in mental healthHerreros Valenzuela, Eduardogut microbiomemachine learninggut-brain axismental healthmicrobiota intestinalaprendizaje automáticosalud mentaleje cerebro-intestinomicrobiota intestinalaprenentatge automàticsalut mentaleix cervell-intestíBioinformatics -- TFMBioinformàtica -- TFMBioinformática -- TFMMental health problems affect 25% of the population, making it the leading cause of disability globally. Normal microbiota is related with healthy states, however changes in its composition (called dysbiosis) is linked with non-healthy pathologies. In this project we explored the influence of the gut microbiota on the occurrence of non-healthy mental states using machine learning approaches, enterotype classifications and univariate and multivariate statistical analyses. Among the demographic characteristics we found differences between the mental illness states in the ethnicity (p = 0.04), sex (p = 0.004), irritable bowel disease (p < 0.001), etc. We found lower levels of Firmicutes and higher levels of Bacteroidetes and a lower Firmicutes/Bacteroidetes ratio in the gut of people with mental issues. People with mental illness has a lower alpha diversity index in their gut in comparison with healthy people (p = 0.002). The beta diversity analysis presented different centroids regarding the mental states statistically measured by the PERMANOVA test (p = 0.032). The best machine learning predictor was Random Forest with an accuracy of 0.62. However, because of we mixed the different mental disorders with a different biological background, probably creating noise, the prediction results of the machine learning algorithms do not have better performances. In conclusion, more efforts are necessary in the use of machine learning algorithms with microbiome information, because of the potential that these methods have in the classification and/or prediction of certain pathologies. Also, higher Firmicutes and lower Bacteroidetes could be risk factor in the occurrence of a mental illness.Se estima que problemas en la salud mental afectan al 25% de la población, lo que la convierte en la principal causa de enfermedades a nivel mundial. Una microbiota normal está relacionada con estados saludables, sin embargo, los cambios en su composición (llamada disbiosis) están relacionados con enfermedades. En este proyecto, exploramos la influencia de la microbiota intestinal en la aparición de estados mentales no saludables utilizando enfoques de machine learning, clasificación de enterotipos y análisis estadísticos univariados y multivariados. Entre las características demográficas encontramos diferencias entre los estados de la enfermedad mental en la etnia (p = 0.04), sexo (p = 0.004), enfermedad del intestino irritable (p <0.001), etc. Encontramos niveles más bajos de Firmicutes y niveles más altos de Bacteroidetes y una proporción más baja de Firmicutes/Bacteroidetes en el intestino de las personas con problemas mentales. Las personas con enfermedades mentales tienen un índice de diversidad alfa más bajo en su intestino en comparación con las personas sanas (p = 0.002). El análisis de diversidad beta presentó diferentes centroides con respecto a los estados mentales, por la prueba PERMANOVA (p = 0.032). El mejor predictor de machine learning fue Random Forest con una precisión de 0.62. Sin embargo, probablemente al mezclar los diferentes trastornos mentales que tienen un fondo biológico diferente, creamos ruido haciendo que los resultados de predicción de los algoritmos de machine learning tengan rendimientos bajo los esperados. En conclusión, una concentración de Firmicutes más altos y de Bacteroidetes más bajos podrían actuar como un factor de riesgo en la aparición de un trastorno mental.S'estima que problemes en la salut mental afecten el 25% de la població, la qual cosa la converteix en la principal causa de malalties a nivell mundial. Una microbiota normal està relacionada amb estats saludables, no obstant això, els canvis en la seva composició (anomenada disbiosis) estan relacionats amb malalties. En aquest projecte, explorem la influència de la microbiota intestinal en l'aparició d'estats mentals no saludables utilitzant enfocaments de machine learning, classificació de enterotipos i anàlisis estadístiques univariados i multivariats. Entre les característiques demogràfiques trobem diferències entre els estats de la malaltia mental en l'ètnia (p = 0.04), sexe (p = 0.004), malaltia de l'intestí irritable (p <0.001), etc. Trobem nivells més baixos de Firmicutes i nivells més alts de Bacteroidetes i una proporció més baixa de Firmicutes/*Bacteroidetes en l'intestí de les persones amb problemes mentals. Les persones amb malalties mentals tenen un índex de diversitat alfa més baix en el seu intestí en comparació amb les persones sanes (p = 0.002). L'anàlisi de diversitat beta va presentar diferents centroides respecte als estats mentals, per la prova PERMANOVA (p = 0.032). El millor predictor de machine learning va anar Random Forest amb una precisió de 0.62. No obstant això, probablement en barrejar els diferents trastorns mentals que tenen un fons biològic diferent, creguem soroll fent que els resultats de predicció dels algorismes de machine learning tinguin rendiments sota els esperats. En conclusió, una concentració de Firmicutes més alts i de Bacteroidetes més baixos podrien actuar com un factor de risc en l'aparició d'un trastorn mental.Universitat Oberta de Catalunya (UOC)Prados Carrasco, FerranPaytuví Gallart, Andreu202020202020info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/106367reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)InglésCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1063672026-05-28T12:42:01Z
score 15,300724

Similares en LA Referencia