近日，计算机科学技术学院生物信息研究组研发了基于系统发育和多路径神经网络的疾病检测新模型PM-CNN（Phylogenetic Multi-path Convolutional Neural Network）。该成果于1月27日在线发表于生物信息学期刊Bioinformatics Advances。该研究论文由青岛大学独立完成，计算机科学技术学院为第一单位，硕士研究生汪强强为第一作者，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、泰山学者计划和山东省教育厅的支持。

人体微生物组分布在各种身体部位，对健康动态和疾病发展起着至关重要的作用。最近的研究突显了患有不同疾病和健康个体之间的微生物组差异，表明微生物组在识别健康状态方面具有潜力。传统上，基于微生物组的状态分类依赖于预先训练的机器学习（ML）模型。然而，大多数机器学习方法忽视了微生物之间的关系，从而限制了模型的性能。

针对上述问题，生物信息研究组提出了PM-CNN模型，这是一种基于系统发育的神经网络模型，用于利用微生物组数据进行多状态分类和疾病检测。PM-CNN根据微生物的系统发育关系对其进行组织，并利用多路径卷积神经网络提取特征。然后，采用集成学习方法将这些特征融合在一起以进行准确的分类决策。实验将PM-CNN应用于人类微生物组数据以进行状态和疾病检测，证明其在现有机器学习模型上具有显著的优势。这些结果为未来研究和应用中基于微生物组的状态识别和疾病预测提供了坚实的基础。

图1. PM-CNN模型流程图

论文信息：

Qiangqiang Wang, Xiaoqian Fan, Shunyao Wu, Xiaoquan Su, PM-CNN: microbiome status recognition and disease detection model based on phylogeny and multi-path neural network, Bioinformatics Advances, Volume 4, Issue 1, 2024, vbae013, https://doi.org/10.1093/bioadv/vbae013