您当前的位置:主页 > 学习之声 > 内容
研究人员正在利用机器学习来了解微生物关系
时间:2019-04-24 11:52

亚马逊河及其周围的生态系统是世界上生物多样性最丰富的。但考虑到大约30英尺的人体胃肠(GI)道,它有一些竞争。这种微生物组 - 特定环境中微生物的总和 - 一直是卡内基梅隆电气和计算机工程(ECE)教授Radu Marculescu最近的研究重点。

研究人员正在利用机器学习来了解微生物关系

“结果发现,人类[GI]微生物组中发生的相互作用比我们原先想象的要多得多,”Marculescu说。“人们将微生物组的变化与抑郁,感染甚至癌症联系起来,因此它有点像人类的第二脑。”

Marculescu和ECE博士。学生Chieh Lo开发了一种机器学习算法 - 称为MPLasso--它使用数据来推断GI微生物组中微生物之间的关联和相互作用。MPLasso从过去几十年开始挖掘医学和科学文献,寻找关注各种微生物相互作用和关联的研究的实验数据。MPLasso将这些不同的信息提取到一个集中的数据集中,该数据集对人体胃肠道内的微生物相互作用进行编目。

机器学习是这种调查的一种新方法。Marculescu基于CMU的系统级设计组负责网络物理系统研究,似乎是解决此类项目的最佳场所。通过这样做,他找到了一种方法,可以为医学研究人员和专业人员提供推断的微生物相互作用目录,从而加强对这些相互作用如何影响和影响人类健康的理解。

到目前为止,要好好了解微生物如何在人体胃肠道中相互作用一直存在挑战。Marculescu知道,在设计可吸收药丸和细菌等先进技术为主流应用做好准备之前还需要数年时间,但他认为MPLasso是帮助研究人员更好地了解人体胃肠道中微生物如何共存的重要一步。

Marculescu说这种类型的信息对于预防医学非常有价值,因为它为揭示微生物相互作用如何转化为健康或生病的人奠定了基础。如果研究人员首先了解微生物存在以及它们如何共同作用,那么他们就可以开始建立微生物相互作用和各种类型疾病之间的因果关系。

“研究人员还观察了真实的实验。他们观察到微生物在身体各种事件中的存在和相互作用,”Marculescu说。“基于此,人们可以推断出具有预测性的互动网络。”

MPLasso在其推断的关联和相互作用中表现出95%的准确性,因为它解决了人类微生物组数据的高维度和组成性问题。高维度是指存在的潜在微生物关联和相互作用的数量远远大于任何给定数据库中可用的样品数量。成分数据提供的数字占整体的百分比,而不是精确的测量值。

Marculescu和Lo通过GitHub公开发布了MPLasso。当研究人员将其下载供自己使用时,他们也可以将自己的数据上传到平台。MPLasso为数据库提供了用户友好的界面,该界面不断更新,因为它不断挖掘新上传的相关数据。

“你会看到昨天和几个月之前的差异,因为算法会自动收集和改进你的模型,”Marculescu说。“你今天的模型比两周前或两个月前的模型更好,仅仅是因为如果有报道说你所看到的东西与你所看到的东西一致,那么这种联想会变得更强大。”

人体胃肠道是Marculescu所说的“为人体带来巨大潜在问题”的东西。由于其生物多样性可与亚马逊的生物多样性相媲美,因此了解我们胃肠道中的所有生物如何相互作用并影响我们将是一个强大的有用工具。Marculescu的工作将有助于实现这一目标。

阅读Marculescu和Lo的研究论文,最近发表在PLOS Computational Biology上。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

相关新闻

  • 精英投资者如何利用人工智能和机器学习来获得优势
  • 国家统计局格尔木调查队积极利用“学习强国”激发学习力量
  • 善于利用碎片化时间学习
  • 市卫生监督局利用“微党课”全力做好“学习强国”学习平台推广使用工作
  • 布朗宁:正在学习中文,期待能尽快取得中国护照
  • 解开太阳的谜题:科学家利用机器学习识别太阳能材料
  • 新田县供销社积极利用“学习强国”平台加强理
  • 英国最新研究表明:新机器学习算法助力防治传
  • 蓬莱市市场监督管理局充分利用“学习强国”学
  • 睡着大觉也能学习:沉睡时听外语也很有帮助
  • 美国科学促进会:机器学习“正在导致科学危机”
  • Data61利用机器学习追踪“病原体” 成为澳大利亚