摘要

生活方式和生理变量对人类疾病风险的影响已被揭示是由肠道菌群介导的。病例对照研究之间检测疾病相关微生物的一致性较低，这是由于有限的生活方式和生理变量的样本量和全人群偏差。准确地说，推断肠道微生物-疾病关联，本文建议通过包括人类变量和肠道生物群微观来建立机器学习模型。当模型对肠道菌群和人类变量的性能都优于仅仅是人类的变量，独立的肠道菌群-疾病的关联将得到证实。通过建立美国肠道项目数据集模型，我们发现肠道菌群与不同疾病表现出不同的关联强度。在人体变量中加入肠道菌群显著提高了IBD的分类性能; 肠道菌群的信息与肠易激综合症，艰难梭菌感染、不健康状态存在关联关系，而添加肠道菌群对糖模型尿病，小肠细菌过度生长，乳糖不耐受，心血管疾病性能没有改善。

我们的研究结果表明尽管肠道菌群被报道与许多疾病有关，但其中相当大的一部分关联可能非常弱。我们提出了一组微生物作为生物标记来分类IBD和不健康状态。进一步的研究这些微生物的功能促进对人类疾病分子机制的认识。

全文框架：

图1疾病分类模型构建流程。我们将8种疾病分类(IBD:炎症性肠病;CDI:梭状芽孢杆菌感染;IBS:肠易激综合征;SIBO:小肠细菌过度生长;迪:糖尿病;李:乳糖不耐受;CD:心血管疾病;MD:精神障碍)与30个人类变量(生理特征、生活方式、位置和饮食)和肠道微生物群落数据(OTUs)通过四种机器学习技术(随机森林、梯度提升决策)从美国Gut项目数据库中获取树、逻辑回归和极端梯度提升)。

全文链接：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8722223/