研究人员正在使用机器学习了解微生物的关系

生态系统在亚马逊河是世界上生物物种最丰富。但是它有一些竞争当考虑到大约30英尺的人类胃肠道(GI)。这microbiome-the总和的微生物在特定环境的研究重点迟到卡内基梅隆大学电气和计算机工程(ECE)教授拉杜虽然玛卡里斯库。

“事实证明,交互发生在人类(GI)微生物有意义远远超过我们最初认为,“虽然玛卡里斯库说。“人们把微生物的变化抑郁、感染,甚至癌症,这有点像一个第二大脑对人类。”

虽然玛卡里斯库、ECE博士生郄瞧,发明了一种机器学习算法称为MPLasso-that使用数据来推断胃肠道微生物协会和微生物之间的相互作用。MPLasso矿山医疗和科学文献搜索过去几十年的实验研究主要集中在各种类型的数据微生物的相互作用和关联。MPLasso把这些不同的信息到一个集中的数据集目录人体消化道内微生物的相互作用。

机器学习是一种新颖的方法为这种类型的调查。虽然玛卡里斯库CMU-based系统级设计集团提交时间cyber-physical系统研究,似乎正确的地点来解决这样一个项目。在这一过程中,他发现了一种方法,为医学研究人员和专业人士提供一个目录的推断出微生物的相互作用可以增强理解这些交互影响和如何影响人类健康。

直到现在,这是具有挑战性的,好好看看人类胃肠道微生物相互作用。虽然玛卡里斯库知道它仍将是几年前先进技术工程可摄取的药片和细菌是准备��流收养,但他认为MPLasso作为主要的介入帮助研究人员更好地理解人类消化道的微生物共存。

虽然玛卡里斯库说,这种类型的信息对预防医学是非常宝贵的,因为它奠定了基础,揭示微生物相互作用如何转化为一个人健康或生病。如果研究人员第一次了解微生物存在,以及他们如何表现在一起,他们就可以开始建立微生物相互作用之间的因果关系和各种类型的疾病。

“研究者也观察到真正的实验。他们观察微生物的存在,交互时,身体的各种事件,”虽然玛卡里斯库说。“在此基础上,可以推断出一个互动网络,在本质上是预测的。”

MPLasso显示95%准确的推断,部分原因在于它的关联和交互处理高维问题和组合性的人类微生物组数据。高维指潜在微生物存在的关联和相互作用的数量远远大于可用样本的数量在任何给定的程序库的数据。成分数据提供了数据的百分比而不是一个准确的测量。

虽然玛卡里斯库和罗通过GitHub MPLasso公开。当研究人员下载供自己使用,也可以上传自己的数据平台。MPLasso为数据库提供了友好的用户界面,因为它不断更新不断煤矿新上传相关数据。

“你会看到昨天的区别,几个月前,因为算法自动收集和提高你的模型中,“虽然玛卡里斯库说。“今天你的模型比两周前一个或两个月前,因为如果已经报道,与你看到的联系变得更强。”

人类的消化道是主人虽然玛卡里斯库称之为“无数人体潜在的问题。”以来,生物多样性的竞争对手亚马逊,知道所有这些生物在我们的消化道互动和影响我们将是一个强大的有用的工具。虽然玛卡里斯库的工作将有助于使它。阅读虽然玛卡里斯库和罗贤哲的研究论文,最近发表在PLOS计算生物学。