Diversos cambios (disbiosis) en la microbiota normal se han asociado con enfermedades tan diversas como la diarrea, el estreñimiento, la enfermedad de Crohn, la colitis ulcerosa, el alzhéimer, el autismo, el cáncer, etc. Sin embargo, y a pesar de la intensa investigación en el campo en las últimas décadas, microbiota normal y disbiosis son términos vagos y poco precisos relativizados por la gran diversidad microbiana interindividual que se encuentra en las personas sanas. Además, no está del todo claro que las disbiosis sean causa de las enfermedades o su consecuencia. 

Estos autores han desarrollado un programa informático de aprendizaje automático para predecir la carga microbiana fecal (abundancia absoluta de microorganismos en heces) a partir de los datos de abundancia relativa, que son los que proporcionan los análisis metataxonómicos (secuenciación de amplicones microbianos) y metagenómicos (secuenciación de ADN microbiano total). Con estos algoritmos analizan un gran número de estudios previos y relacionan la composición de la microbiota intestinal con la carga microbiana total. De la misma forma, se relacionan diversas enfermedades con una menor (enfermedades asociadas con diarreas) o mayor (condiciones asociadas con estreñimiento) carga microbiana total de la esperada. El modelo no establece relaciones de causalidad entre carga microbiana total y enfermedades, pero los autores piensan que esta carga microbiana total puede ser un elemento de confusión de gran importancia para la asociación de enfermedades y microbios intestinales. Tener en cuenta esta carga microbiana total pudiera permitir centrarse específicamente en unas pocas especies clave en cada enfermedad. Es decir, que no tiene una utilidad práctica inmediata, pero puede ser de gran importancia para estudios posteriores que aborden esas asociaciones entre microbios y enfermedades. 

Limitaciones: 

• Aunque el modelo parece ser robusto para estimar la carga microbiana total a partir de los datos de abundancia relativa, los autores creen que se puede ir afinando en estudios posteriores. 

• La relación entre carga microbiana total y determinadas especies microbianas no es muy clara. Es decir, no se sabe si los cambios en la carga microbiana total impulsan cambios en la composición de las especies o viceversa. Esto es vital, dado que algunas especies (p.ej., Clostridiodes difficile, Escherichia coli productoras de colibactina, etc.) están relacionadas claramente con enfermedades. 

• El modelo solo se ha aplicado a las poblaciones intestinales de procariotas (bacterias y arqueas). El estudio de la carga microbiana de otros biotipos, como virus u organismos eucariotas (hongos, levaduras, parásitos) no se ha abordado y pueden ser también de relevancia.

Numerosos estudios habían demostrado ya que la 'carga microbiana’, es decir, la cantidad de microbios por gramo de material fecal, puede ser muy variable entre individuos y también entre condiciones clínicas. Esto sugiere una limitación de muchos estudios de microbioma en los que solo miden abundancias relativas (que no absolutas) de las especies. 

La novedad aportada por el presente estudio es el desarrollo de un algoritmo de predicción que permite estimar la carga microbiana a partir de los patrones de abundancia relativa. Este algoritmo está entrenado en cientos de datos de dos estudios para los que se midió abundancia relativa y carga microbiana. La estimación que consigue el algoritmo no es perfecta y los coeficientes de correlación son significativos, pero más bien modestos, sobre todo cuando el algoritmo se entrena en un estudio, pero se aplica en el otro (0,56 cuando el máximo es 1).  

Este grado de incertidumbre en la predicción se tendría que tener en cuenta en las conclusiones posteriores del estudio. Llama la atención las diferencias de distribución de carga microbiana entre los dos estudios, que los autores atribuyen a las diferencias metodológicas en su determinación, lo cual indica que los datos de los que se parten pueden no ser representativos de otros estudios.  

En resumen, es interesante ver que la abundancia relativa y la carga microbiana no son totalmente independientes (podemos inferir una a partir de la otra), pero todavía tenemos que afinar más en esa relación y en la relación de cada una de esas variables con los estilos de vida o las características de interés clínico. Por lo tanto, pese a este predictor, hacen falta más estudios donde ambas variables se estudien directamente.

La nota de prensa no refleja el estudio con precisión del todo. Se trata de un resumen de un resumen que, en sí mismo, no contiene toda la información. Por ejemplo, en una de las cohortes se afirma: 

«...capturando datos suficientes para 26 enfermedades (es decir, >50 casos y controles para cada enfermedad) con 11.807 casos y 17.118 controles. El análisis reveló que la mayoría de las enfermedades (14/26) estaban significativamente asociadas con la carga microbiana prevista (FDR < 0,05). Nueve de las enfermedades significativamente asociadas mostraron asociaciones negativas con la carga microbiana prevista, mientras que cinco mostraron asociaciones positivas con la carga microbiana prevista».  

Lo cual indica que hay una heterogeneidad sustancial con la carga microbiana en su asociación a enfermedades 

El estudio es de buena calidad. El número de muestras estudiadas es muy alto y la metodología es sólida. 

En lo que no se hace hincapié es en que solo entre el 7-17 % de enfermedades son mal clasificadas si no se tiene encuentra la carga microbiana. Es un factor importante pero no crítico. 

El estudio muestra un hecho conocido, aunque no siempre se tiene en cuenta. Una forma indirecta de controlar por carga microbiana es circunscribir el análisis a un umbral de conteo de las diferentes especies a analizar y tener en cuenta los datos composicionales. 

Los estudios de microbiota deberían tener en cuenta este factor de confusión para atribuir o no su significado asociativo con un determinado fenotipo o enfermedad.