近日，计算机科学技术学院生物信息团队研发了基于深度学习的微生物组疾病检测算法Meta-Spec，成果发表于高水平期刊Advanced Intelligent Systems（SCI IF =7.40）。该研究由青岛大学、加州大学圣地亚哥分校和香港大学合作完成，青岛大学计算机科学技术学院为第一单位，青年教师吴舜尧博士和硕士研究生李芷若为共同第一作者，苏晓泉教授为通讯作者。该研究获得了国家重点研发计划、国家自然科学基金、山东省泰山学者计划和青创团队项目的支持。

微生物组与人的健康状态和疾病的发生发展有着密切关联。近年来，机器学习算法和大数据技术的进步，极大地推动了微生物组在疾病检测方面的广泛应用。然而，已有的检测算法难以处理真实情况中普遍存在的并发症或共存病，严重干扰了检测结果的准确性。此外，人体的生理特征、生活方式等信息也会对微生物组的结构产生较大影响，但目前的检测模型尚未有效利用这些信息，也限制了检测算法的性能。

针对以上问题，生物信息研究组提出了一种面向微生物组多标签疾病检测的深度学习算法Meta-Spec。该方法将宿主表型特征编码后嵌入微生物组特征中共同训练(图1)，并采用多任务深度网络来捕获不同疾病间的关联，从而大幅提高了复杂健康状态和共存疾病的识别效果。此外，Meta-Spec具有良好的可解释性，能够定量评估各种因素对疾病识别的相对贡献度。在多个数据集上的实验结果与分析均验证了Meta-Spec在真实检测场景下的优越性，能够进一步推动了微生物组在人体健康方面的研究与应用。

图1. Meta-Spec算法示意图

论文信息：

Shunyao Wu$, Zhiruo Li$, Yuzhu Chen, Mingqian Zhang, Yangyang Sun, Jieqi Xing, Fengyang Zhao, Shi Huang, Rob Knight, Xiaoquan Su*. Host Variable-Embedding Augment Microbiome-Based Simultaneous Detection of Multiple Disease by Deep Learning. Advanced Intelligent Systems (2023). DOI: 10.1002/aisy.202300342.