Особенности микробиоценозов кишечника с микроорганизмами чувствительными и резистентными к бактериофагам Текст научной статьи по специальности «Фундаментальная медицина»

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

УДК: 616-093 DOI: 10.12737/20438

ОСОБЕННОСТИ МИКРОБИОЦЕНОЗОВ КИШЕЧНИКА С МИКРООРГАНИЗМАМИ ЧУВСТВИТЕЛЬНЫМИ И РЕЗИСТЕНТНЫМИ К БАКТЕРИОФАГАМ

А.М. ЗАТЕВАЛОВ, Е.П. СЕЛЬКОВА, С.С. АФАНАСЬЕВ, А.В. АЛЁШКИН, А.Ю. МИРОНОВ,

Е.А. ЗАТЕВАЛОВА, Н.В. ГУДОВА

ФБУН МНИИЭМ им. Г.Н. Габричевского Роспотребнадзора, ул. Адмирала Макарова д. 10, г. Москва, 125212, Россия, e-mail: 4520896@mail.ru

Аннотация. Изучены микробиологические посевы фекалий и концентрации летучих жирных кислот в кале, от пациентов консультационно-диагностического центра при Московском НИИ эпидемиологии и им. Г.Н. Габричевского. На основании полученных данных созданы программы классификации микробиоценозов с присутствием микрофлоры чувствительной и резистентной к клеб-сиелезному, колипротейному и стрептококковому бактериофагам. Сравнивали группы результатов анализов с присутствием микроорганизмов чувствительных, резистентных к различным бактериофагам и группой сравнения. Так же сравнивали группы результатов анализов с присутствием микроорганизмов чувствительных к различным бактериофагам и группой сравнения, а так же — с присутствием резистентных к различным бактериофагам и группой сравнения. Для классификации микробиоценозов по данным бактериологического анализа кала и по концентрациям летучих жирных кислот в кале использовали искусственные нейронные сети. Выявлено, что при сравнении величин корректной классификации по данным бактериологического анализа кала и концентраций летучих жирных кислот в кале более высокие значения вероятности корректной классификации искусственными нейронными сетями характерны для классификации по данным бактериологического анализа кала. Микробиоценозы с присутствием фагорезистентной микрофлоры имеют более высокие значения корректной классификации искусственными нейронными сетями по сравнению с микробиоценозами, содержащими микрофлору чувствительную к бактериофагам.

Ключевые слова: искусственная нейронная сеть, летучие жирные кислоты, фагорезистентность.

FEATURES INTESTINAL MICROBIOCENOSIS WITH MICROORGANISMS SENSITIVE AND

RESISTANT TO BACTERIOPHAGES

АМ. ZATEVALOV, E.P. SELKOVA, S.S. AFANASIEV, A.V. ALESHKIN, A.Yu. MIRONOV,

E.A. ZATEVALOVA, N.V. GUDOVA

Moscow Research G.N. Garbichevsky Institute of Epidemiology and Microbiology, Admiral Makarov str., 10, Moscow,125212, Russia, e-mail: 4520896@mail.ru

Abstract. In the research the microbiologic feces microorganisms and the concentration of short chain fatty acids in the patients' stool treated in the Moscow Research G.N. Garbichevsky Institute of Epidemiology and Microbiology, were studied. Based on the data, there were created the classification programs of mi-crobiocenosis with the microflora sensitive and resistant to Klebsiella, Coli-protei and streptococcal bacterio-phages. Group test results with the presence of microorganisms sensitive and resistant to various bacterio-phages was compared with the comparison group. Also, the comparisons were carried out: group analysis results with the presence of microorganisms sensitive to different bacteriophages and compareson group, and - with the presence of resistant to various bacteriophages and group comparisons. To classificate the mi-crobiocenosis according to the data of bacteriological analysis of feces and fecal concentrations of short chain fatty acids, the Artificial Neural Networks were used. It was revealed that there are in the feces of higher probabilities of correct classification Artificial Neural Networks in comparison with the values of correct classification according to bacteriological analysis of feces and chain fatty acid concentrations. Microbioce-

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

noses with the presence of phagoresistant microorganisms have the higher indicators of correct classification Artificial Neural Networks in comparison with microbiocenoses sensitive to bacteriophages. Key world: Artificial Neural Networks, short chain fatty acids, phagoresistance.

Введение. Микробиота человека является высокочувствительным диагностическим и прогностическим сенсором, который реагирует на все изменения обменных процессов организма, инфекционной инвазии, а так же на микроэкологические изменения, которые увеличивают риск развития данных заболеваний [7]. Одной из важнейших функций кишечной микрофлоры является микробное пищеварение. Большая часть, поступающих в кишечник пищевых субстратов гидролизуется и всасывается в тонком кишечнике, а в толстый кишечник попадают полисахариды с бета-гликозидной связью, которые не усваиваются в тонком кишечнике из-за отсутствующих там ферментов [1,7]. В результате микробного пищеварения образуются микробные метаболиты - летучие жирные кислоты (ЛЖК), молочная кислота, аминокислоты, этиловый спирт, меркаптаны и другие химические вещества, которые принимают участие в коммуникатативной связи макроорганизм-микрофлора, а так же способствуют регуляции микробного сообщества, во многом благодаря обеспечению коллонизационной резистентности [1].

Детальное изучение микробиоценоза кишечника затруднено, так как есть определенные сложности в оценке пристеночной микрофлоры кишечника, связанные с высоким процентом некультивируемых микроорганизмов. Между коллониями микроорганизмов имеется тесная структурная и функциональная взаимосвязь, которая имеет многофакторные параметры, связанные с исполнением многочисленных функций микробиоценоза кишечника, что делает бессмысленным изучение микробиоценоза без их учета [2,5].

Решение задач подобного уровня сложности подразумевает использование методов системной биологии и биоинформатики. Применение -омикс технологий является мировой тенденцией, и получает широкое развитие в медицинских и биологических исследованиях, с которым связывают ожидания научных и технологических прорывов в этих областях [9].

Большую роль в формировании микробного пейзажа играет наличие вирусов, 90% из ко-

торых являются бактериофагами - вирусами бактерий [10]. Бактериофаги необходимы для нормального функционирования микробиоценоза, они регулируют численность микрофлоры и являются неотъемлимой частью микробиоценоза [3]. Кроме вирулентных фагов, которые разрушают бактериальную клетку, в мик-робно-тканевом комплексе кишечника присутствуют умеренные, волокнистые фаги, которые заражают бактерию и размножаются в ней. При этом умеренный фаг защищает микроорганизм от заражения близкородственным вирулентным фагом [13]. Бактериофаги могут защищать макроорганизм от вирусных инфекций, так как способствуют выработке интерферона, конкурируют с вирусом за клеточные рецепторы и индуцируют противовирусные ани-тела. У каждого человека сформирован свой консорциум фагов, поэтому нельзя выделить типичный набор фагов, характерный для здорового человека. Так же сложно по составу, имеющихся в кишечнике фагов, оценивать состояние микрофлоры. Основная функция бактериофагов кишечного тракта препятствовать росту одних видов микроорганизмов и способствовать росту других [12]. Поэтому, появление среди добавочной и транзиторной микрофлоры микроорганизмов с повышенной чувствительностью к бактериофагам может служить маркером снижения биоразнообразия виро-биома кишечника — дисбаланса вирусного сообщества, связанного с имеющимся или прогнозируемым дисбиозом.

Так как в посеве кала высевается менее 1% всей микрофлоры, которая присутствует в кишечнике, появление представителей условно-патогенной микрофлоры в кале носит вероятностный характер [5]. В то же время есть ассоциации микроорганизмов, встречаемость которых, может достоверно отличаться между группами с микроорганизмами чувствительными и резистентными к родственным бактериофагам.

Решение задачи классификации микробиоценозов с вероятностным присутствием чувствительной и резистентной микрофлоры к родственным бактериофагам можно решить с

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

помощью искусственных нейронных сетей (ИНС) [10,15,16].

Цель исследования - оценить величины корректной классификации микробиоценозов ИНС для микробиоценозов кишечника с микроорганизмами чувствительными и резистентными к бактериофагам по бактериологическому анализу кала и по анализу концентраций ЛЖК в кале. Сравнить характеристики ИНС, используемых для выявления различий в составе микроорганизмов и концентраций ЛЖК в кале исследуемых микробиоценозов.

Материалы и методы исследования. В поперечном исследовании результатов анализов амбулаторных пациентов консультативно-диагностического центра при МНИИЭМ им. Г.Н. Габричевского было отобрано 870 результатов бактериологического исследования кала и результатов концентраций ЛЖК в кале. Концентрации микроорганизмов в кале определяли посевом суспензии кала в 10% изотоническом растворе хлорида натрия методом последовательных 10-ти кратных разведений с последующим выделением микроорганизмов на селективных жидких агаризованных средах. Концентрации ЛЖК в кале определяли газожидкостной хроматографией супернатанта слабокислой водной суспензии кала методом прямого ввода в испаритель хроматографа с капиллярной колонкой и пламенно-ионизационным детектором. Для выделенных культур определяли чувствительность к родственным бактериофагам методом стерильных пятен на жидких агаризованных питательных средах. При выявлении микроорганизмов E.coli и Proteus в титре более 104 КОЕ/г, чувствительных к колипротейному бактериофагу результаты бактериологического посева и концентраций ЛЖК относили к группе микробиоценозов, чувствительных к колипротейному бактериофагу (SKp). Если выделенные микроорганизмы E.coli и Proteus были резистентны к колипротейному бактериофагу микробиоценозы были отнесены к группе резистентных к колипротейному бактериофагу (RKp). Аналогичным образом были выделены группы с чувствительными и резистентными Klebsiella к клебсиелезному бактериофагу (SKl и RKl), Enterococcus к стрептококковому (SSc и RSc). В группу «норма» включались микробиоценозы с концентрацией выше-перечиленных микроорганизмов ниже

104 КОЕ/г.

Полученные группы были обработаны в программе по подбору и обучению нейросетей Statistica 8.0. В качестве переменных нейросети были приняты значения десятичных логарифмов концентраций микроорганизмов в кале. Значения округлялись до целого числа, отсутствующие микроорганизмы обозначали как 0. Концентрации ЛЖК для уксусной, пропионовой, масляной, валериановой, капроновой кислот, а так же их изомеров обрабатывались как непрерывные переменные (continuous inputs), а логарифмы концентраций микроорганизмов как категориальные переменные (categorical inputs).

Подбор и обучение ИНС проводилось для следующих групп по логарифмам концентраций микроорганизмов, а так же по концентрациям ЛЖК в кале для групп:

1. Чувствительные, резистентные микроорганизмы к клебсиелёзному бактериофагу, норма - SKl, RKl, N.

2. Чувствительные, резистентные микроорганизмы к колипротейному бактериофагу, норма — SKp, RKp, N.

3. Чувствительные, резистентные микроорганизмы к стрептококковому бактериофагу, норма — SSc, RSc, N.

4. Чувствительные микроорганизмы к клеб-сиелёзному, колипротейному, стрептококковому бактериофагам, норма — SKl, SKp, SSc, N.

5. Резистентные микроорганизмы к клеб-сиелёзному, колипротейному, стрептококковому бактериофагам, норма — RKl, RKp, RSc, N.

Результаты обработки нейросети оценивали по проценту корректно идентифицированных анализов.

Результаты и их обсуждения. Тестовая и обучающая выборка формировались из одной базы данных 2213 пациентов, из которых 1770 пациентов (80%) было выбрано случайным образом для обучающей выборки и 443 пациента (20%) для контрольной выборки. В результате обработки данных пакетом Automatet Neural Networks программы Statistica были выбраны искусственные нейронные сети для данных бактериологического анализа и для данных концентраций ЛЖК в кале. При обучении контролировали величины ошибки по лифтовым картам и сравнивали производительности (корректной классификации объектов) предлагаемых архитектур нейросетевых алгоритмов.

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

Созданные ИНС имели минимальное количество некорректных классификаций среди 5 наиболее производительных ИНС для данных бактериологического анализа и концентраций ЛЖК в кале. Архитектура искусственных ней-росетей и численность групп представлены в табл. 1.

Таблица 1

Численность групп и архитектуры ИНС

Архитектура ИНС для данных по Численность вь 1борки

Наиме- концен-

нования бакте- траци- Об Обу- Тесто-

групп риоло-гии ям ЛЖК в кале ща я чающая 80% вая 20%

Чувствительность резистентность к бактериоф агам:

клебсие-

лезному N - sкl - MLP 59-12-3 MLP 8-12-3 478 382 96

RKl)

коли-

протейному N -SKp -RKp) MLP 61-12-3 MLP 8-11-3 331 265 66

стрепто-кокково- MLP MLP 376 301 75

му N -SSc - RSc) 61-32-3 8-4-3

Чувстви-

тель-

ность к

бакте- MLP MLP 294 235 59

риофа- 63-15-4 8-10-4

гам N -

SKl ^^ -

SSc)

Рези-

стент-

ность к

бакте- MLP MLP 734 587 147

риофа- 66-22-4 8-5-4

гам N -

RKl -RKp

Результаты классификации объектов (результатов бактериологического анализа микрофлоры кишечника и концентраций ЛЖК в кале) представлены в табл. 2 и на рис. 1-5.

Из анализа доли корректной классификации результатов бактериологического анализа кала (табл. 2), можно отметить, что количество корректно классифицированных анализов больше для данных бактериологического анализа, чем для данных концентраций ЛЖК. По данным бактериологического анализа ИНС MLP 59-12-3 в группе с микроорганизмами чувствительными к клебсиелёзному бактериофагу

не было определено микробиоценозов, а микробиоценозы данной группы на 100% были классифицированы как резистентные к клеб-сиелёзному бактериофагу (рис. 1 а). В результате классификации по данным концентраций ЛЖК в кале ИНС MLP 8-12-3 в группу норма не было определено микробиоценозов, а в группу чувствительные к клебсиелёзному бактериофагу было корректно классифицировано только 20% (рис. 1 б).

Таблица 2

Результаты корректной классификации анализов ИНС по группам чувствительных и резистентных к бактериофагам на основании бактериологического анализа и анализа концентраций ЛЖК в кале

Бактериофаги Нор-ма,% Резистент-ность,% Чувствительность, %

бактериологический анализ кала

Клебсиелез-ный 93 99 0

Колипротей-ный 98 99 77

Стрептококковый 92 100 0

анализ концентраций ЛЖК в кале

Клебсиелез-ный 28 91 8

Колипротей-ный 61 58 5

Стрептококковый 56 60 1

Д«.1ЯМ1 (смфмкяонм р? jvn>T»T0« 1НВЛЮСЯ !ПК по

9Q.S_У ,¿0,0

Норма

Резистентность

Чувстантелвноств

Резистентность

Лолл классификации рет^льтятов ahlihjcb ИНС по гртапам, о,,

0.0 71А_2В.6

орчигтрнтиость

ш

нРрч^гт^нтнпгть

5,6 7Д.4 20.0

Чувствительность |||||||||||М^ 1 а Чувствительность

Рис. 1. Распределение результатов классификации

анализов ИНС по группам чувствительных и резистентных к клебсиелезному бактериофагу на основании: а) бактериологического анализа и б) анализа концентраций ЛЖК в кале

Распределение корректно и некорректно классифицированных объектов по группам

а

б

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

представлено на гистограммах (рис. 2).

Jain классификации результатов анализов ИНС по группам,

<М>

58,4 1,6 0,0

ноэма

Резистентность

UJ норма

0,0

3 Резистентность

0,0 22,2 77.Е

Чувствительность

J □Чувствительность

а

Доля классификации результатов иналнюв Ш1С по группам,

Ч^в

61, Э__38,1 0,0

10 Норма

Норма

Резистентность

Чувствительность

58,7 0,0

S Резистентность

44,4 5,6

О Чувствительность

б

Рис.2. Распределение результатов классификации

анализов ИНС по группам чувствительных и резистентных к колипротейному бактериофагу на основании: а) бактериологического анализа и б) анализа концентраций ЛЖК в кале

Из анализа доли корректной классификации результатов бактериологического анализа кала (табл. 2), можно отметить, что количество корректно классифицированных анализов больше для данных бактериологического анализа, чем для данных концентраций ЛЖК. По данным бактериологического анализа значения корректной классификации ИНС MLP 61-12-3 вырьировались от 77,8 до 98,4%. (рис. 2а). По данным концентраций ЛЖК в кале ИНС MLP 8-11-3 были корректно классифицированы группы с низкими значениями долей от 5,6 до 61,9% (рис. 2б).

Доля классификации результатов анализов ИНС по группам,

Норма

Резистентность

Чувггрите льнопъ

/,10,0

Ш Норма

Резистентность

□ Чувствительность

Деля классификации результатов анализов ИНС но группа-Ч, <Mi

42,9 0.8

Норма

Резистентность

Чувствительность

□ Норма

Резистентность

□ Чувствительность

б

Рис. 3. Распределение результатов классификации

анализов ИНС по группам чувствительных и резистентных к стрептококковому бактериофагу на основании: а) бактериологического анализа и б) анализа концентраций ЛЖК в кале

Из анализа доли корректной классификации результатов бактериологического анализа кала (табл. 2), можно отметить, что количество корректно классифицированных анализов больше для данных бактериологического анализа, чем для данных концентраций ЛЖК. Классификацией по данным бактериологического анализа ИНС MLP 59-12-3 не было определено микробиоценозов в группу с микроорганизмами чувствительными к стрептококковому бактериофагу, а анализы данной группы на 100% были ложно классифицированы как резистентные к стрептококковому бактериофагу (рис. 3а). Классификацией по данным концентраций ЛЖК в кале ИНС MLP 8-12-3 были определены группы с низкими долями корректной классификации от 1,8 до 60,5% (рис. 3б).

Результаты классификации объектов (результатов бактериологического анализа микрофлоры кишечника и концентраций ЛЖК в кале) для групп с чувствительными микроорганизмами (N, SKl, SKp, SSc) к различным бактериофагам и для групп с резистентными микроорганизмами (N, RKl, RKp, RSc) к различным бактериофагам представлены в табл. 3 и на рис. 4-5.

Таблица 3

Результаты классификации анализов ИНС по группам чувствительных к различным

бактериофагам на основании бактериологического анализа и анализа концентраций ЛЖК

Группы Кор ма, % Бактериофаги

клебси-елёзно-му коли-протейному стрепто-кокковому

Чувствительность к бактериофагам

бактериологический анализ кала 92 94 72 92

анализ концентраций ЛЖК в кале 100 0 0 0

Резистентность к бактериофагам

бактериологический анализ кала 84 99 99 99

анализ концентраций ЛЖК в кале 15 88 6 4

а

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

Доля класснфмк-аинм результатов анализов ИНС по группам.

2АЛ..8 0,0

□ Норма

Клебсиелезмый

Кояипротейный

Стрептококковый

Кл е бсиелезный

] ЕЭ Кояипротейный ] □ Стрептококковый

а

Доля классификации результатов амалиюи ИНС по группам, Ь/Ъ

100,0 0 0 о,0 0,0

норма

Клебсиелезный

КиЛИП[ЛЛеЙНЫЙ

II Норма

100,0 0,0 0,0 0,0

Л 0 Клебсиелезный

100,0 0,0 0,00,0

Щ ЕЗ Ко/1ипрогейио1Й

Стэептококковый Г

100,0 о,о о,с о,о

[[] □ Стрептои!

б

Рис. 4. Распределение результатов классификации анализов ИНС по группам чувствительных к различным бактериофагам на основании: а) бактериологического анализа и б) анализа концентраций ЛЖК в кале

ДБ.1яклас;»ф|[м«чи)| р#7Тлътитов ЖПМИЭМ [ОДГ де тр>П*ам.

Hoptva

IU.W '14.10 0.00 0.50

Кгебсиелезный дНлебсиелезный

о,м

Колипротейный

Стрептококковый Г

tl.PU 0,84 0.00 93.16

Э Коли протейной

^OClpsän

IUKUKHUt ыи

Доля К.ТЛГСифи>::1|1Г11 рг у.льШГ» ЯШ.ТН30В 1СНС ПО rpMUUM. «1

б

Рис. 5. Распределение результатов классификации анализов ИНС по группам резистентных к различным бактериофагам на основании: а) бактериологического анализа и б) анализа концентраций ЛЖК в кале

Из анализа величин корректной классификации анализов с чувствительными микроорганизмами к различным бактериофагам (табл. 3) на основании данных по бактериологическому анализу и анализу концентраций ЛЖК можно отметить высокие величины от 72,2 до 94,3% для данных бактериологического анализа и невоз-

можность классификации ИНС MLP 8-10-4 по данным концентраций ЛЖК в кале (рис. 4б). Таким образом, можно отметить, что появление в микробиоценозе микроорганизмов чувствительных к бактериофагам не влияет на метаболическую активность микробиоценоза кишечника. Для классификации ИНС MLP 63-15-4 по данным бактериологического анализа наиболее высокие значения корректной классификации в группе клебсиелёзного бактериофага, а наименьшие значения для группы колипро-тейного бактериофага (рис. 4а).

Из анализа величин корректной классификации анализов с резистентными микроорганизмами к различным бактериофагам (табл. 3) на основании данных по бактериологическому анализу и анализу концентраций ЛЖК можно отметить высокие значения корректной классификации ИНС MLP 66-22-4 - от 84 до 99% для данных бактериологического анализа и низкие ИНС MLP 8-5-4 - от 4 до 88% для данных концентраций ЛЖК. Из гистограммы (рис. 5б) видно, что по данным концентраций ЛЖК в кале невозможно классифицировать микробиоценозы по наличию резистентных микроорганизмов в микробиоценозе кишечника. Для классификации ИНС MLP 63-15-4 по данным бактериологического анализа (рис. 5а) наиболее высокие значения корректной классификации в группе колипротейного бактериофага, а наименьшие значения для группы клебсиелёз-ного бактериофага.

Из анализа доли корректной классификации результатов бактериологического анализа кала, можно отметить, что количество корректно классифицированных анализов больше для данных бактериологического анализа, чем для данных концентраций ЛЖК. Это объясняется тем, что фагорезистентность микроорганизмов в большей степени влияет на состав микрофлоры выделяемой из кала, чем на функциональную активность микробиоценоза. Так же отмечаются низкие значения количеств корректно классифицированных анализов для групп с микроорганизмами чувствительными к бактериофагам, чем для групп с резистентными микроорганизмами. При ложной классификации результатов анализов группы с чувствительными к бактериофагам микроорганизмами ИНС классифицирует их как принадлежащими к группе резистентных к бактериофагам микроорганизмов.

а

ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2016 - Т. 23, № 2 - С. 126-133 JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

Таким образом, прослеживается влияние на классификацию присутствие самого микроорганизма, для которого определялась фагорези-стентность.

Выводы. В результате проведенного исследования установлено следующее:

1. При выборе данных для классификации микробиоценозов в зависимости от наличия микрофлоры чувствительной или резистентной к различным бактериофагам искусственными нейросетями следует отдать предпочтение данным бактериологического анализа кала перед анализом концентраций ЛЖК в кале. Проведенное исследование показало более высокие значения корректной классификации искусственными нейронными сетями в различных комбинациях исследуемых групп.

2. Для групп с микроорганизмами чувствительными к бактериофагам значения корректной классификации ИНС ниже, чем для групп с резистентными микроорганизмами к различ-

Литература

1. Бабин В.Н., Домарадский И.В., Дубинин А.В., Конд-ракова О.А. Биохимические и молекулярные аспекты симбиоза человека и его микрофлоры // Росс. хим. журн. (ЖРХО им. Менделеева). 1994. Т. 38(6). С. 66-78.

2. Гриневич В.Б., Сас Е.И., Кон В.Е., Ефимов О.И. Коррекция микробно-тканевого комплекса кишечника, как базовая составляющая комплексной терапии метаболического синдрома и кардиоваскулярных заболеваний. Учебно-методическое пособие для врачей. СПб., 2012. 7 с.

ным бактериофагам. Состав микробиоценозов кишечника имеет больше особенностей, выявляемых искусственными нейросетями, в присутствии микроорганизмов резистентных к различным бактериофагам.

3. При сравнении значений корректной классификации микробиоценозов с чувствительными к различным бактериофагам микро-оранизмами значения увеличиваются в ряду колипротейный - стрептококковый - клебсие-лезный бактериофаг, а для резистентных микроорганизмов к бактериофагам — увеличиваются в ряду клебсиелёзный - стрептококковый - колипротейный.

4. Вероятность ложной классификации для классификации микробиоценозов с микроорганизмами резистенными к различным бактериофагам менее 1%, что позволяет использовать данную искусственную нейросеть для корректной классификации микробиоценозов по заданному признаку.

References

Babin VN, Domaradskiy IV, Dubinin AV, Kondrakova OA. Biokhimicheskie i molekulyarnye aspekty simbioza cheloveka i ego mikroflory [Biochemical and molecular aspects of the symbiosis of man and microflora]. Ross. khim. zhurn. (ZhRKhO im. Mendeleeva). 1994;38(6):66-78. Russian.

Grinevich VB, Sas EI, Kon VE, Efimov OI. Korrektsiya mikrobno-tkanevogo kompleksa kishechnika, kak ba-zovaya sostavlyayushchaya kompleksnoy terapii meta-bolicheskogo sindroma i kardiovaskulyarnykh zabole-vaniy [Correction of intestinal microbial-tissue complex, as a basic component of the complex therapy of metabolic syndrome and cardiovascular diseases.]. Uchebno-metodicheskoe posobie dlya vrachey. SPb.;

2012. Russian.

Zatevalov AM, Kiseleva IA, Kopanev YuA, Aleshkin AV, Afanas'ev SS, Sel'kova EP. Vliyanie bakteriofagov na mikrofloru tolstoy kishki. Materialy nauchno-prakticheskoy konferentsii «Bakteriofagi: Teoreticheskie i prakticheskie aspekty primeneniya v meditsine, vete-renarii i pishchevoy promyshlennosti». Ul'yanovsk;

2013. Russian.

Kondrakova OA, Babin VN, Grubova EA, Dubinin AV, Zatevalov AM, et al. Kompleksnaya otsenka mikroeko-logicheskikh i funktsional'nykh narusheniy tolstogo kishechnika dlya obespecheniya etiotropnoy terapii. Posobie dlya vrachey [Comprehensive assessment mi-croecological and functional disorders of the large intestine to provide causal treatment. Manual for physicians]. Moscow; 2003. Russian.

3. Затевалов А.М., Киселева И.А., Копанев Ю.А., Алеш-кин А.В., Афанасьев С.С., Селькова Е.П. Влияние бактериофагов на микрофлору толстой кишки // Материалы научно-практической конференции «Бактериофаги: Теоретические и практические аспекты применения в медицине, ветеренарии и пищевой промышленности». Ульяновск, 2013. т. 2. С. 9-14.

4. Комплексная оценка микроэкологических и функциональных нарушений толстого кишечника для обеспечения этиотропной терапии. Пособие для врачей [Кондракова О.А., Бабин В.Н., Грубова Е.А., Дубинин А.В., Затевалов А.М. [и др.]. М., 2003.

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 2 - P. 126-133

5. Коршунов В.М., Ефимов Б.А., Кафарская Л.И. Современные методы оценки качественных и количественных показателей микрофлоры кишечника и влагалища // Журнал микробиологии, эпидемиологии и иммунобиологии. 2002. N 4. С. 72-78.

6. Медицинская микробиология, вирусология и иммунология: Учебник / Под ред. А. А. Воробьёва. 2-е изд. испр. и доп. М.: ООО «Медицинское информационное агентство», 2012. 704 с.

7. Миронов А.Ю., Зур Н.В. Молекулярные маркёры патогенов. М.: ООО «Тираж», 2013. 184 с.

8. Миронов А. Ю., Харсеева Г. Г., Клюкина Т. В. Основы клинической микробиологии и иммунологии. Учебное пособие. Ростов-на-Дону, 2011. 248 с.

9. Распоряжение Правительства РФ от 28.12.2012 N 2580-р «Об утверждении Стратегии развития медицинской науки в Российской Федерации на период до 2025 года» с. 33.

10. Шестаков С.В. Метагеномика микробиома человека // Успехи современной биологии. 2010. № 6. С. 531543.

11. Metagenomic analyses of an uncultured viral community from human feces / Breitbart M., Hewson I., Felts B. [et al.] // J. Bacteriol. 2003. Vol. 185(20). P. 6220-6223.

12. Brüggemann H., Lood R. Bacteriophages infecting Propionibacterium acnes // Hindawi Publishing Corporation BioMed Research International Vol. 2013, Article ID 705741, 10 pages http://dx.doi.org/10.1155/2013/705741

13. Brüggemann H., Lood R. Bacteriophages infecting Pro-pionibacterium acnes // Hindawi Publishing Corporation BioMed Research International Vol. 2013, Article ID 705741, 10 pages http://dx.doi.org/10.1155/2013/705741

14. Quackenbush J. Extracting biology from high-dimensional biological data // The Journal of Experimental Biology. 2007. Vol. 210. P. 1507-1517.

15. A human gut microbial gene cata-logue established by metagenomicsequencing. MetaHITConsortium / Qin J., Li R., Raes J., Arumugam M. [et al.] // Nature. 2010. V. 464 (7285). P. 59-65.

16. Tyers M., Mann M. From genomics to proteomics // Nature. 2003. Vol. 422(6928). Р. 193-197.

Korshunov VM, Efimov BA, Kafarskaya LI. Sovremen-nye metody otsenki kachestvennykh i kolichestvennykh pokazateley mikroflory kishechnika i vlagalishcha [Modern methods of evaluation of qualitative and quantitative indicators and intestinal microflora of the vagina]. Zhurnal mikrobiologii, epidemiologii i immu-nobiologii. 2002;4:72-8. Russian.

Meditsinskaya mikrobiologiya, virusologiya i immuno-logiya: Uchebnik / Pod red. A. A. Vorob'eva. 2-e izd. ispr. i dop. Moscow: OOO «Meditsinskoe informat-sionnoe agentstvo»; 2012. Russian.

Mironov AYu, Zur NV. Molekulyarnye markery pato-genov [Molecular markers of pathogens]. Moscow: OOO «Tirazh»; 2013. Russian.

Mironov AYu. Kharseeva GG, Klyukina TV. Osnovy klinicheskoy mikrobiologii i immunologii. Uchebnoe posobie [Basics of clinical microbiology and immunology. Tutorial]. Rostov-na-Donu; 2011. Russian. Rasporyazhenie Pravitel'stva RF ot 28.12.2012 N 2580-r «Ob utverzhdenii Strategii razvitiya meditsinskoy nau-ki v Rossiyskoy Federatsii na period do 2025 goda» s. 33. Russian.

Shestakov SV. Metagenomika mikrobioma cheloveka [Metagenomics human microbiota]. Uspekhi sovre-mennoy biologii. 2010;6. :531-43. Russian. Breitbart M, Hewson I, Felts B, et al. Metagenomic analyses of an uncultured viral community from human feces. J. Bacteriol. 2003;185(20):6220-3. Brüggemann H., Lood R. Bacteriophages infecting Propionibacterium acnes // Hindawi Publishing Corporation BioMed Research International Vol. 2013, Article ID 705741, 10 pages http://dx.doi.org/10.1155/2013/705741 Brüggemann H., Lood R. Bacteriophages infecting Pro-pionibacterium acnes // Hindawi Publishing Corporation BioMed Research International Vol. 2013, Article ID 705741, 10 pages http://dx.doi.org/10.1155/2013/705741 Quackenbush J. Extracting biology from high-dimensional biological data. The Journal of Experimental Biology. 2007;210:1507-17.

Qin J, Li R, Raes J, Arumugam M, et al. A human gut microbial gene cata-logue established by metagenomic-sequencing. MetaHITConsortium. Nature.

2010;464(7285):59-65.

Tyers M, Mann M. From genomics to proteomics. Nature. 2003;422(6928):193-7.