Če ne od drugod, smo se iz kriminalističnih nanizank naučili, da se sledovi, kot so lasje, vlakna, ostanki streljanja, prst in podobno, lahko uporabijo za forenzično povezavo osebe z določeno lokacijo, predmetom ali dogodkom. Ob spoznanju, da imajo številne lokacije edinstvene bakterijske populacije, se poraja misel, da bi ugotavljanje gibanja ljudi s pomočjo mikroorganizmov, ki jih naravno zberejo na svojih potovanjih, zelo koristilo področju medicine in epidemiologije - da ne omenjamo kriminalističnih preiskav.
Raziskovalci Univerze Lund na Švedskem so razvili orodje, ki počne prav to. Na podlagi vzorca mikrobioma, torej skupnosti mikroorganizmov, ki obstaja v določenem okolju, kot je na primer plaža, ki ga nosi oseba, lahko s presenetljivo natančnostjo določi, od kod ta vzorec izvira. »V nasprotju s človeško DNK se človeški mikrobiom nenehno spreminja, ko pridemo v stik z različnimi okolji,« je povedal Eran Elhaik, raziskovalec biologije na univerzi Lund in avtor študije. »S sledenjem temu, kje so bili vaši mikroorganizmi v zadnjem času, lahko razumemo širjenje bolezni, določimo morebitne vire okužb in lokaliziramo pojav mikrobne odpornosti. Tovrstno sledenje pa zagotavlja tudi forenzične podatke, ki jih lahko uporabimo v kriminalističnih preiskavah.«
Znanstveniki so znotraj raziskave analizirali obsežne zbirke podatkov vzorcev mikrobioma iz mestnih okolij, tal in morskih ekosistemov ter usposobili model umetne inteligence, ki so ga poimenovali mGPS (Mikrobiome Geographic Population Structure). Uporabili so 4135 vzorcev iz podatkovne zbirke MetaSUB, ki vsebuje genome mikrobov, zbrane v podzemnih železnicah in mestnih okoljih v 53 mestih, 237 vzorcev zemlje iz 18 držav in 131 morskih vzorcev iz devetih vodnih teles. Rezultati so se izkazali za zelo močno orodje, ki lahko, po besedah prej omenjenega znanstvenika, z impresivno natančnostjo določi izvorno mesto vzorca mikrobioma.
Nato so orodje preizkusili še v praksi. S pomočjo mGPS so uspešno določili vir za 92 % mestnih vzorcev, pri čemer je bila največja skladnost med napovedmi mGPS in vzorčenimi mesti pričakovano pri mestih, ki so bila dobro zastopana v naboru podatkov za usposabljanje«. Da bi preverili vpliv zastopanosti regij glede na količino vzorcev, so model ponovno usposobili, a le na 31 mestih z manj kot 100 vzorci in izračunali 87-odstotno natančnost napovedi, kar je le nekoliko manj od 92-odstotne natančnosti celotnega nabora podatkov.
Da bi ocenili natančnost sistema mGPS, so ga usposobili na podatkih MetaSUB iz treh mest z največjim številom vzorcev: New York, Hongkong in London. V Hongkongu je mGPS razlikoval med dvema postajama podzemne železnice, ki sta bili med seboj oddaljeni 172 m, v New Yorku je razlikoval med kioskom in ograjo na razdalji manj kot enega metra, v Londonu pa je orodje pokazalo nizko natančnost napovedi, saj je bila le polovica vzorcev pravilno razvrščena v geografske grozde. Raziskovalci so to pripisali neočiščenosti londonskih postaj podzemne železnice (vzorci so bili zbrani pred uvedbo programa COVID-19) v primerjavi s postajami v Hongkongu, ki so jih opisali kot »brezhibno čiste«.
»Šele zdaj smo začeli razumeti odnos med mikroorganizmi in okoljem,« je dejal Elhaik. »Zdaj načrtujemo kartiranje mikrobioma celotnih mest, kar bi lahko spodbudilo forenzične preiskave in nam omogočilo spoznati organizme, ki naseljujejo naše ulice, vrtove, kožo in telesa.«
Študija je bila objavljena v strokovni publikaciji Genome Biology and Evolution.
Vir: Univerza Lund
