马云鹏 ， 朱静 ， 崔兴华

新疆农业大学计算机与信息工程学院，乌鲁木齐 830052

微生物群落在不同的生态系统中发挥重要的作用，虽然微生物群系控制着许多宏观性质，但阐明特定微生物与生态系统功能之间的关系仍然是生态学中一个复杂的问题。第二代DNA 测序技术降低了微生物群落中宏基因组数据的获取难度，使得利用微生物探究宏观性质变化成为可能。然而，微生物数据的分析也存在一定难度，每个研究只采用了少量样本，而且产生的测序结果通常都是高维、稀疏的数据［1］。

随着人工智能的发展，机器学习技术提供了一种分析高维数据的新方法［2-3］，并可用于阐明微生物菌群与环境属性及宿主表型之间的关系。研究显示，利用机器学习的随机森林模型和使用微生物菌群数据可以有效鉴定栖息地、宿主和疾病状态，并证明机器学习模型分类准确性较高［4］；Zeller 等［5］利用线性回归模型结合微生物组数据，可以有效区分患者；Ning 等［6］利用支持向量机模型可以有效对口腔微生物群落进行分类；Lo 等［7］利用卷积神经网络结合微生物组数据可以预测宿主的健康状态；Bokulich等［8］认为机器学习结合微生物组数据不仅可以用于分类问题，还可以用于回归问题，相关机器学习算法也可用于筛选微生物组数据重要特征，揭示相关微生物组数据与目标变量的重要程度，并从机器学习的角度为了解微生物组产生的影响提供一种新的视角。

目前大部分的微生物组数据研究主要是探究宿主表型预测，以及微生物自身及相互之间产生的影响。……