深度神经网络模型

搜索
登录

深度神经网络模型

文章数：1篇

代谢物预测工具

刘洋彧团队Nature子刊：用神经常微分方程预测菌群的代谢组学特征

描述微生物群落的代谢特征，对于理解其生物学功能及其对宿主或环境的影响至关重要。从微生物组成预测代谢组学图谱的计算方法，可节省实验代谢组学图谱所需的大量工作。然而，目前仍缺少一种具有高预测能力、普遍适用性和高可解释性的计算方法。近日，美国哈佛医学院刘洋彧及团队在Nature Machine Intelligence发表最新研究，基于最先进的深度神经网络模型，通过神经常微分方程（mNODE）来预测微生物的代谢组学特征，在模拟和真实数据中，性能优良，是研究微生物组-饮食-代谢组关系的有力工具，有助于未来精准营养的研究，值得关注。

代谢物预测工具神经常微分方程研究论文基础研究深度神经网络模型