近日，计算机科学技术学院生物信息研究组创新性地提出了一种结合精细的肠道微生物组特征与宿主变量编码的混合预测建模方法，该方法能够深入探讨肠道菌群和硒元素吸收之间的关系，并准确预测个体的硒元素吸收效率。该研究论文由青岛大学、寿光市中医院以及迈科若医疗科技公司的研究人员共同完成，其中计算机科学技术学院为第一单位，硕士研究生姜斯凯、张白露为共同担任第一作者，通讯作者为苏晓泉教授。该研究获得了国家重点研发计划、国家自然科学基金、泰山学者计划和山东省青年创新人才计划的支持。

硒元素作为人体必需的微量元素，在人体生理功能中扮演着关键角色，尽管其含量微小，却对多种生理过程产生重要影响。由于人体无法自行合成硒元素，对其作为微量营养素的价值和适当摄入量的关注逐渐增加。然而，由于个体的生理差异和生活环境的多样性，硒元素的吸收效率存在较大差异，因此准确评估其吸收效率对于避免过量或不足摄入至关重要。

针对以上问题，我们首先设计了一个面向硒元素吸收与菌群研究的人群队列，收集干预前后头发根部的硒元素含量、进行了肠道微生物组的测序分析，并获取了详尽的生理临床元数据信息，为后续样本分析与挖掘提供了全面而有效的数据支持。通过对所有属层级特征进行评分排序，我们筛选出与硒元素吸收相关的微生物亚群，并对宿主变量进行编码，重新整合特征以提高硒元素吸收预测的准确性（图1）。此外，我们还通过随机选择样本进行混合建模，最大限度地减少了不同批次测序数据之间的差异，同时，排除了地区特异性的特征，从而将数据模型应用于不同地区，成功实现了对个体硒元素吸收效率的准确预测。因此，这项工作不仅为微量营养素和肠道微生物群之间的相互作用提供了新的见解，也为未来的精准营养研究指明了方向。

图1. 硒补充效率的分类

(a) 所有属层级细菌训练模型的AUC；(b) 前10个贡献度最大的属层级信息；(c) 10个属层级细菌训练模型的AUC；(d) 宿主变量的效应量大小；(e) 对宿主变量进行编码并集成到预测模型中；(f) 通过精炼的微生物特征与宿主变量编码优化后的模型的AUC

论文信息：

1. Jiang S, Zhang B, Fan X, Chen Y, Wang J, Wu S, Wang L and Su X (2023) Gut microbiome predicts selenium supplementation efficiency across different Chinese adult cohorts using hybrid modeling and feature refining. Front. Microbiol. 14: 1291010. doi: 10.3389/fmicb.2023.1291010.