Si annuncia la recente pubblicazione sulla rivista BMC Psychiatry dello studio pilota dal titolo “Machine learning model to identify gut microbiome-derived metabolites as potential biomarkers of autism spectrum disorder: a pilot study” con la diretta partecipazione del nostro gruppo di ricerca.

Peculiarità del lavoro è stato proprio l’utilizzo di tecniche di machine learning allo scopo di distinguere persone con Disturbo dello Spettro Autistico rispetto a persone neurotipiche, basandosi sui metaboliti intestinali.

Il confronto dei dati provenienti da due grandi database (GMRepo v2 e Agora2), utilizzando il modello di classificazione basato sull’algoritmo Random Forest, ha permesso di raggiungere un’accuratezza media dell’85%. Inoltre, confrontando i metaboliti più importanti individuati dal modello con la letteratura scientifica, il 40% è risultato già associato all’ASD in studi sperimentali. I metaboliti più rilevanti appartengono principalmente a tre categorie: derivati degli amminoacidi, composti organici volatili e acidi grassi a catena corta (SCFA).