这是发表在Cell Reports Methods上的一份工作，由智库专家哈佛大学刘洋彧团队完成。基于先前Nature报道的MPT算法，即在不同模型中都观察到与疾病相关的微生物变化可能与该疾病的发生有因果关系，他们团队对其进行了群落生态学的优化，提出了一种广义微生物表型三角测量（GMPT）方法，即在两两配对的疾病表型中与疾病的病原体微生物丰度有强烈相关性或强烈预防/保护性的微生物，可能是介导菌群对该病原菌定植抗性的关键菌。他们通过比较GMPT和MPT在群落生态学中的经典种群动力学模型上的表现，验证了算法的改善，同时在模拟的人共生菌混合物数据和艰难梭菌感染的小鼠微生物组数据中进行了验证。
