【PaperReading】基于粪便微生物组的机器学习多类诊断模型

论文概况

研究表明，肠道微生物群的不平衡即“菌群失调”，会导致各种人类疾病的出现。目前，微生物标志物的开发主要基于二元分类器法。新的研究结果显示，人类粪便微生物组的系统表征为开发诊断主要人类疾病的非侵入性方法提供了机会。然而，不同疾病之间共享的微生物特征使得在单一疾病模型中进行准确诊断具有挑战性。虽然人们开始尝试开发多类诊断模型，但先前依赖公共数据集进行分析的工作所涉及的异质性、技术偏差和批次效应限制了模型的准确性。

近日，香港中文大学黄秀娟教授团队在Nature Communications上发表了题为“Faecal microbiome-based machine learning for multi-class disease diagnosis”的研究文章。研究团队开发了迄今为止最大的涵盖多种疾病的单站点数据集，通过机器学习多类模型，使用物种水平的粪便微生物组分析、预测了不同疾病，并依据跨不同人群的公共宏基因组数据集对研究结果进行了验证。

研究人员对2,320名香港华人（平均年龄54.9岁，48.7%女性）的粪便样本进行了宏基因组测序，包括9种特征明确的疾病表型：结直