杨 杰

(西南民族大学数学学院，四川 成都 610041)

在自然界中广泛存在的细菌、真菌和病毒等微生物与人类生活和人体健康密切相关，与人类有关的微生物分布在人体的口、鼻、皮肤、胃肠道和泌尿生殖道等各部位[1].伴随人类基因组计划的完成，科学家们提出了进一步了解微生物群如何影响人类健康和疾病的人类微生物组计划(Human Microbiome Project，HMP)[2]，以更进一步探究人类基因、人体内微生物组、人类疾病和药物疗效等间的关系，已有研究证明微生物与人类代谢疾病、糖尿病、炎症性肠病、肥胖症和癌症等密切相关[3].按照传统的生物实验方法发现微生物和疾病之间的关系，往往实验成本高的同时周期也长.根据己知的实验验证的微生物和疾病关联数据，采用计算方法预测潜在的致病微生物关联关系能为生物实验提供实验方向，降低实验成本减少实验时间，也有助于研究微生物对疾病的发生、发展和药物治疗的关系.近年来，基于已知的微生物和疾病关系数据集，研究人员提出了越来越多的预测微生物与疾病的计算方法，例如基于KATZ方法的KATZHMDA[4]、基于路径的PBHMDA[5]、基于随机游走的PRWHMDA[6]、基于机器学习的LRLSHMDA[7]和基于元图的WMGHMDA[8]等算法.矩阵分解是推荐系统中的常用模型，本文重点对矩阵分解算法中的非负矩阵分解算法原理、Logistic矩阵分解原理在疾病和微生物关系预测的应用做了分析，并对矩阵分解在在疾病相关微生物关系预测方面的应用作了展望.

1 数据集

在疾病……