宾夕法尼亚州立大学医学院和德克萨斯大学西南医学中心研究人员研制了一种使用人工智能(AI)的新方法,可以展示如何利用体内微生物和细胞中的分子来预测人类健康结果。新方法可以提高预测人类疾病发展的准确性,例如炎症性肠病和糖尿病。
人类微生物组由数以万亿计的微生物组成,例如生活在体内(通常在肠道中)并影响整体健康的真菌和细菌。这些生物体,连同代谢组或在细胞和组织中发现的分子对医学研究有重要影响。
本研究建议从测量微生物组和代谢组的数据集中学习有用的特征,并使用它们来显着提高仅测量微生物组的数据集的风险预测准确性。结果提出了一种使用肠道微生物组的统计学习和基于人工智能的非侵入性方法,可以识别疾病风险升高的个体。
到目前为止,由于成本限制,只有少数研究同时测量了微生物组和代谢组数据。大多数研究仅测量微生物组数据,而不包括代谢组数据,这限制了它们在预测疾病风险方面的有用性。据研究人员称,将微生物组和代谢组结合在一起可以更准确地预测疾病结果并更好地了解疾病机制。
基于深度学习的非侵入性方法在改善人类疾病的诊断和风险预测方面具有巨大潜力。结合DNA测序等高通量技术,它提供了一种具有成本效益的方法,可以识别高危患者并快速推进精准医疗。
科学家们提出了一种新的综合建模框架,称为基于微生物组的监督对比学习框架(MB-SupCon)。实施新方法,他们研究了720名患者粪便样本中的肠道微生物组和代谢组数据,以预测与2型糖尿病相关的因素。
据研究人员称,MB-SupCon优于现有的机器学习方法,并且在预测患者的胰岛素抵抗状态 (84%)、性别(78%)和种族(80%)方面非常准确。
当研究人员在一项大型炎症性肠病研究中使用MB-SupCon时,他们观察到了类似的优势。据研究人员称,这种非侵入性、具有成本效益的方法可广泛用于预测各种疾病研究中的健康结果。
“人类微生物组是人类疾病的主要可改变风险因素,”德克萨斯大学西南医学中心成员詹晓伟说,“我们的方法有助于识别影响疾病风险的细菌。修饰这些细菌可能是一种有价值的新方法,可以治疗以前不易治疗的人类疾病。”
最热文章