GUT︱宁康团队利用迁移学习克服区域效应，并基于微生物特征实现跨区域疾病诊断
撰文︱宁 康，王 南责编︱王思珍，方以一编辑︱杨彬薇
由于地理位置、饮食、种族、疾病等因素，尤其是地理位置因素的影响，不同地区人群的肠道微生物有非常明显的异质性[1]。目前，基于微生物特征的机器学习方法已经被用于不同类型疾病的诊断当中[2,3]，但是由于无法克服区域效应，这些方法在进行跨区域疾病诊断时准确性会大打折扣，无法满足基于微生物的跨区域疾病诊断的需求。
2022年10月，华中科技大学生命学院系统生物学与生物信息学系宁康教授团队以华中科技大学为唯一单位在胃肠病学、肝病学国际顶尖期刊GUT上发表题为“Overcoming regional limitations: Transfer learning for cross-regional microbial-based diagnosis of diseases”的研究论文。该研究提出利用迁移学习来克服地域因素对于人的肠道微生物的区域效应，实现基于微生物特征的跨区域疾病诊断，为利用人工智能技术在临床试验中实现基于微生物特征的跨区域疾病诊断提供了新的可行的途径。
针对上述问题，作者提出一种融合迁移学习[4]以及神经网络的框架(图1)，此框架可以“借用”一个地区成熟的疾病诊断的知识，来用于另一个地区的疾病诊断，从而克服区域效应，实现基于微生物的跨区域疾病诊断。
图1 融合迁移学习以及神经网络的微生物组大数据分析框架
（图源: Wang N, et al., Gut, 2022）
在本工作中，作者将此框架应用于来自广东肠道微生物组项目（GGMP）的6,998个粪便微生物组样本，根据其来源将其划分为14个不同的地级市（区）。结果显示，与从头训练模型相比，迁移学习模型进行跨地级市疾病诊断的准确性最具优势（图2），并且将其应用到跨洲际队列的疾病诊断当中时，迁移学习模型仍具有更优越的准确性。此外，科研人员通过迁移学习发现了受地域因素影响作用较大的菌种，例如Clostridium，这些菌种可能对迁移学习模型在跨区域疾病诊断当中的有效性具有潜在的贡献。
图2 迁移学习框架在多个不同疾病上显示出众的诊断能力
（图源: Wang N, et al., Gut, 2022）
需要指出的是：中国幅员辽阔，各地医生队伍水平参差不齐。本项目所提出来的基于迁移学习的人工智能方法，本质上是一种基于大数据的普适性的诊疗策略。这种策略的应用和推广，可以非常有效的克服地域差异所带来的诊疗质量问题，大幅度提高诊疗准确性和速度，帮助“新时代的赤脚医生”为人民群众提供更高质量的诊疗服务。
原文链接：https://gut.bmj.com/content/early/2022/10/28/gutjnl-2022-328216
该研究得到科技部国家重点研发计划（No. 2018YFC0910502），国家自然科学基金（Nos. 32071465, 31871334, 31671374）等的资助。该工作也得到了GGMP项目主要负责人，南方医科大学周宏伟教授等的大力支持。
通讯作者：宁康（左）；第一作者：王楠（中）；第二作者：程铭悦（右）
（照片提供自：华中科技大学宁康教授团队）
宁康教授毕业于新加坡国立大学计算机专业，博士后工作于美国密歇根大学，现为华中科技大学大学生命科学与技术学院教授、博士生导师。宁康教授长期从事微生物组大数据和人工智能方面的研究，针对人体微生物组学大数据，发展了一系列人工智能挖掘方法，并成功应用于肠道疾病、类风湿性关节炎、非传染性慢性疾病、人体癌症等多种疾病的前期诊断和复发监控。已在PNAS、Gut、Genome Biology、Genome Medicine、Nucleic Acids Research等高水平学术期刊发表多篇学术论文。担任Microbiology Spectrum、Genomics Proteomics & Bioinformatics、Scientific Reports等国际期刊编委。担任中国生物信息学学会（筹）-基因组信息学分会副主任，中国生物工程学会-计算生物学与生物信息学专业委员会委员，中国计算机协会-生物信息学专业委员会委员等。
欢迎扫码加入岚翰生命科学：文献学习2
群备注格式：姓名-单位-研究领域-学位/职称/称号/职位
【1】Nat Commun︱张慧团队发现SWI/SNF复合物的新型蛋白降解机制
【2】iScience︱清华大学潘俊敏课题组揭示IFT-B复合体的组装和稳定的新机制及其在BBSome运输中的新功能
【3】NAR︱PGG.MHC：人类主要组织相容性复合体基因数据库和分析平台
【4】NAR｜王晨飞团队合作建立肿瘤微环境单细胞转录组学数据库TISCH2
【5】iScience｜西北大学赵新锋/李倩团队建立血管紧张素II受体1型受体（AT1R）双位点固定化方法并用于非激动活性配体筛选
【6】PNAS︱温州医科大学池在龙团队发现微小核酸药物抑制眼部新生血管形成的表观调控机制
【7】Nat Commun︱刘瑾/陈琳团队合作发布既能处理复杂相关水平多效性又能探究共同遗传病因的孟德尔随机化方法
【8】NAR︱蔡玲/王刚/金坚团队合作揭示和靶向前列腺癌中EZH2的双重功能
【9】J Cell Physiol︱华进联团队建立不同细胞来源的猪iPSCs诱导体系并探讨其差异
【10】JCI Insight︱苏文如/郑颖丰团队在眼免疫性疾病的炎症控制和临床靶向防治领域取得新进展
优质科研培训课程推荐【1】宏基因组与代谢组/脂质组学R软件数据可视化研讨会（2022年11月26日 ）欢迎加入“岚翰生命科学” ”岚翰生命科学“ 诚聘副主编/编辑/运营岗位 (在线办公)参考文献（上下滑动阅读）
[1] Clooney AG, Eckenberger J, Laserna-Mendieta E, et al. Ranking microbiome variance in inflammatory bowel disease: a large longitudinal intercontinental study. Gut 2021;70(3):499–510.
[2] Weng F, Meng Y, Lu F, et al. Differentiation of intestinal tuberculosis and Crohn's disease through an explainable machine learning method. Sci Rep 2022;12(1):1714.
[3] Gou W, Ling CW, He Y, et al. Interpretable Machine Learning Framework Reveals Robust Gut Microbiome Features Associated With Type 2 Diabetes. Diabetes Care 2021;44(2):358–66.
[4] Q. Sun, Y. Liu, T. Chua, et al. Meta-Transfer Learning for Few-Shot Learning. 2019 IEEE Conf. Comput. Vis. Pattern Recognit 2019: 403–412.
本文完