换一批摘要人体肠道微生物与人类健康密切相关,许多疾病的发生都伴随着肠道微生物群落的失衡.从微生物组数据中准确预测宿主表型对于理解疾病的发生和发展具有重要意义.机器学习方法在微生物组的表型预测上展现出了强大的能力.然而,微生物组数据的稀疏性、高维性和特征之间存在相关性等问题限制了机器学习方法对疾病表型的准确、可靠预测.为此,提出一种基于微生物相关网络的图分类框架PAMNC,以学习微生物相关网络信息并进行分类.PAMNC首先学习样本组成之间的系统发育关系以增强微生物的原始丰度信息,其次使用贝叶斯成分感知推理构造出一组微生物相关网络,最后应用基于图神经网络的方法对疾病表型进行预测.在6个公开的宏基因组数据集上与9种先进的表型预测方法进行比较,实验结果显示PAMNC均表现出最好的性能,尤其是在Cirrhosis和IBD疾病数据集上,PAMNC方法实现了0.940 2和0.911 2的AUC值.
更多相关知识
关键词
机器学习微生物组分析微生物相关网络图表示学习表型预测machine learningmicrobiome analysismicrobial relation networkgraph representation learningphenotype prediction
栏目名称
DOI
10.11907/rjdk.241221
发布时间
2025-05-29（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（62162019）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
