2022年9月19日，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，以华中科技大学为第一单位在国际权威期刊Briefings in Bioinformatics上发表题为“EXPERT: transfer learning-enabled context-aware microbial community classification”的研究论文，提出一种基于迁移学习的情景感知的微生物群落分类方法。

微生物群落分类能够确定微生物群落的潜在类型和来源，从而有助于更好地理解群落的分类和功能结构是如何发展和维持的。然而，以前的分类模型需要在速度和准确性之间权衡，并且面临着对各种情景，特别是研究较少的特定情景的困难。本文引入了基于迁移学习的EXPERT，使分类模型能够适应多种环境，具有较高的效率和准确性。作者在文中证明了迁移学习可以促进在不同背景下的微生物群落分类，例如在有限样本数量的多种疾病的微生物群落分类，以及预测结肠直肠癌连续分期的肠道微生物组的变化。从广义上说，EXPERT实现了精确的、上下文感知的微生物群落定制分类，并增强了新的微生物知识发现能力。

文章通过几个特定情景展示了该方法在微生物群落分类中的效用。首先，通过将EXPERT应用于不同分娩方式的婴儿肠道微生物群落，作者发现，由于第一年的环境暴露，剖腹产出生的婴儿与自然分娩的婴儿相比，肠道微生物群落在很大程度上得到了恢复。其次，通过整合多种疾病肠道微生物群落的数据集，作者发现人类肠道微生物群落表现出疾病特异性模式，这与之前的跨多疾病研究结果一致。第三，作者展示了该方法在表征结直肠癌（CRC）不同阶段患者肠道菌群方面的效用。通过使用CRC的五个阶段的群落，作者发现同一阶段的宿主样本具有相似的肠道微生物群落，因而肠道微生物群落的组成变化可以反映结直肠癌的进展。

华中科技大学生命学院博士生查毓国和本科生冲辉、于清扬为论文的共同第一作者，华中科技大学宁康教授为论文的通讯作者。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）的资助。

此项工作是宁康教授团队在微生物组大数据和人工智能领域的又一重要研究成果。此系列的工作还包括：在今年四月于国际权威期刊Genome Medicine发表的题为“Ontology-Aware Deep Learning Enables Ultrafast and Interpretable Source Tracking among Sub-Million Microbial Community Samples from Hundreds of Niches”的研究论文，提出一种基于微生物群落本体的深度学习方法，解决了在数十万个群落样本中进行快速准确的微生物群落溯源的问题。此外，在今年一月于国际权威期刊Briefings in Bioinformatics发表了题为“Ontology-aware neural network: a general framework for pattern mining from microbiome data”的综述文章，总结了本体感知神经网络（ONN）在微生物组暗物质数据挖掘中作为一个通用的框架所取得的优势，为下一代通用的微生物组大数据挖掘方法奠定了基础。

来源：微生物组大数据