近日，余光创团队在Gut Microbes (IF: 12.2)上发表了题为：MMINP: A computational framework of microbe-metabolite interactions-based metabolic profiles predictor based on the O2-PLS algorithm的研究论文。基础医学院生物信息学系唐文丽硕士为本文第一作者，余光创教授为通讯作者。

肠道菌群代谢物作为肠道菌群与宿主之间的沟通媒介，已被广泛研究，在疾病的诊断和治疗方面具有巨大潜力。了解微生物衍生代谢物对于揭示肠道微生物组在人类健康中的生物学机制至关重要。肠道菌群领域发展至今，已积累了海量的微生物数据，代谢物数据则相对缺乏。已经有一系列研究使用基于机器学习的方法利用肠道微生物组的不同方面来预测代谢物。虽然这些工具有助于更好地理解肠道微生物群与疾病之间的关系，但都以“一对多”的方式单独对每个代谢物建模，而代谢物和微生物实质是“多对多”的关系。目前尚缺乏能从整体上考虑代谢物组和微生物组关系的代谢谱预测工具。

针对这一情况，余光创课题组开发了MMINP软件包，利用双向正交偏最小二乘(O2-PLS)算法从整体上捕获代谢物组和微生物组之间的关系，构建微生物-代谢物关联模型，用新样本的肠菌数据预测其代谢谱。与现有的数据驱动型代谢物预测工具相比，MMINP在预测准确率方面有一定提升。虽然受肠道代谢物与细菌、环境和饮食等因素之间复杂关系的限制，用微生物数据预测出来的代谢物数据并不都准确，但在不增加额外成本的情况下，仍可以利用这些预测代谢物来有效发现潜在的代谢物标志物，以及结合微生物数据进行联合分析，为后续机制研究提供线索。

附图 MMINP工作流程图

全文链接：https://www.tandfonline.com/doi/full/10.1080/19490976.2023.2223349