Science Advances新生成的人工智能工具正在模拟婴儿微生物组

　　

肠道微生物组对婴儿的健康和发育有着深远的影响。研究表明，生态失调-或微生物群落失衡-与胃肠道疾病和神经发育缺陷有关。然而，了解肠道细菌如何相互作用，以及这些相互作用如何导致这些问题，通过传统的实验室实验是困难和耗时的。

芝加哥大学的研究人员开发了一种新的生成式人工智能(AI)工具，可以模拟婴儿微生物组。这个婴儿微生物组的“数字双胞胎”创建了一个虚拟模型，可以预测肠道中微生物物种的变化动态，以及它们如何随着婴儿的发育而变化。研究人员利用新生儿重症监护病房(NICU)早产儿粪便样本的数据，使用名为Q-net的模型来预测哪些婴儿有认知缺陷的风险，准确率为76%。

医学助理教授、这项新研究的资深作者Ishanu Chattopadhyay博士说:“你只能通过观察微生物组的快照，看看细菌的不同水平，因为在早产儿中，微生物组不断变化和成熟。”该研究发表在《Science Advances》上。“因此，我们开发了一种新方法，使用生成式人工智能来构建系统的数字双胞胎，模拟细菌变化时的相互作用。”

就像其他形式的人工智能一样，数字孪生概念是一种潜在的变革性技术，它连接了计算机科学、工程学、数学和生命科学领域，以复制生物系统的行为。就微生物组动力学而言，Chattopadhyay说这是一个规模问题。测试细菌相互作用的典型湿式实验室实验非常耗时。测试一个典型的有1000个物种的群体的所有双向互动将需要1000多年的时间，更不用说三个、四个或更多物种的更复杂的互动是常见的。

Q-net模型大大加快了测试这些相互作用的时间，突出显示了那些可能对特定结果的链接感兴趣的内容。Chattopadhyay和他的同事们使用芝加哥大学科默儿童医院婴儿的粪便样本数据来训练这个模型。接下来，他们利用波士顿贝斯以色列女执事医疗中心的样本数据验证了其关于微生物群如何发展的预测。该模型通过测量头围的增长来预测哪些婴儿有认知缺陷的风险，准确率为76%。

该模型还表明，恢复某种特定细菌种类的丰度等干预措施可以降低约45%的婴儿的发育风险。然而，作者警告说，该模型也表明，不正确的干预可能会使风险加剧。这项新研究的资深作者Ishanu Chattopadhyay博士说:“你不能只给他们益生菌就指望发育风险会降低。你要取代的东西很重要，对许多科目来说，你还必须精确地把握时间。”由于Q-net可以识别潜在的有趣的细菌组合，它极大地缩小了寻找潜在治疗目标的范围。如果肠道微生物群是众所周知的干草堆，Q-net可以给研究人员提供一英寸见方的地方，在那里他们可以找到针。

Chattopadhyay的研究合作伙伴，如合著者Erika claude医学博士，正在使用模拟活肠道微生物组环境的生物反应堆，在那里他们可以测试潜在的干预措施，看看会发生什么。

Q-net的核心是对大量相互作用的变量进行建模，因此Chattopadhyay认为它可以用于微生物组之外的其他系统，例如病毒的进化，甚至是公众舆论等社会现象。

他说:“如果你有大量的数据，你可以很好地训练这个系统，它会找出这些联系是什么。它可以捕捉到非常细微的差异，所以它有非常广泛的应用。”