微生物溯源 (MST)

搜索
登录

微生物溯源 (MST)

文章数：2篇

微生物相互作用

刘洋彧等：生态动力学对微生物溯源的挑战

量化可能的环境来源（“源”）对特定菌群（“汇”）的贡献是微生物学中的一个经典问题，称为微生物溯源（MST）。解决MST问题不仅可以帮助我们了解菌群是如何形成的，而且在污染控制、公共卫生和法医学方面具有深远的应用。哈佛大学刘洋彧团队在iMeta发表研究，表明生态动力学对基于群落结构的微生物溯源构成了根本性挑战。在实际应用中，应该审慎地解释现有微生物溯源求解器的结果。

微生物相互作用微生物溯源 (MST) 优先效应

本体感知神经网络 (ONN)

宁康等：基于深度学习实现百万菌群样本的超快速溯源工具ONN4MST

微生物群落样本的分类结构具有高度的栖息地特异性，其使识别样本来源的生态位成为可能。然而，当扩大溯源时，当前的方法面临挑战。华中科技大学宁康和山东大学崔学峰作为共同通讯作者，近期在Genome Medicine发表研究，介绍了一种深度学习方法——基于本体感知神经网络方法ONN4MST，可用于大规模溯源。当对来自 114 个生态位的 125,823 个样本进行溯源时，ONN4MST 以接近最佳的精度而优于其他方法。总体而言，这项研究代表了第一个基于模型的方法，用于对来自数百个生态位的亚百万菌群样本进行溯源，其具有卓越的速度、准确性和可解释性。ONN4MST 可在 https://github.com/HUST-NingKang-Lab/ONN4MST 上获得。

本体感知神经网络 (ONN) 微生物溯源 (MST) 深度学习超快菌群