The gut-brain axis, a bidirectional communication pathway between the enteric and central nervous systems, has become a significant research area in recent years. Studies have shown that the gut microbiome can affect brain function, and its imbalance has been connected to mental health. Nutritional patterns can strongly impact human (mental) health via microbiome-mediated mechanisms, however classical linear models have shown to be insufficient able to capture these links due to the complexity of microbiome data and biological systems. In this study, we will use ensemble machine learning architectures to model the nonlinear interactions between nutrition, microbiota, and mental health outcomes.
De afgelopen jaren is steeds meer bekend geworden over het complexe communicatienetwerk tussen darmen en hersenen, de zogenaamde hersen-darm-as. Zo is er aantoonbaar bewijs dat dat diverse bacteriën een rol spelen bij mentale gezondheid. Tevens is duidelijk dat voedingspatronen de samenstelling van de darmflora sterk beïnvloeden, maar de klassieke lineaire analyse methodes zijn vaak ontoereikend in staat om verbanden met mentale gezondheid te leggen, vanwege de complexiteit van microbioom data en biologische systemen. In deze studie zetten we een combinatie van machine learning (AI) modellen in om de niet-lineaire relaties tussen voeding, darmbacteriën en mentale gezondheid te ontrafelen.