利用机器学习预测活性污泥微生物群落组成

　　

近日，中国科学院微生物研究所付钰研究团队在Environmental Research上发表了题为“Using Machine Learning to Identify Environmental Factors that Collectively Determine Microbial Community Structure of Activated Sludge”的研究论文。该研究通过整合全球污水处理厂的微生物组数据、运行参数和环境数据，确定了影响活性污泥微生物群落组成的关键环境因素并建立了机器学习预测模型，为利用合成生物学人工设计污水高效处理菌群奠定了基础。

活性污泥法是污水生物处理的主要方法，而微生物是其中的关键功能单元。识别影响微生物组成及功能的因素对提升处理效果至关重要。研究团队利用人工智能技术，根据环境条件和操作参数实现准确预测活性污泥微生物群落的类型。通过狄利克雷多项混合模型，研究确定了四种不同类型的活性污泥微生物群落，这些群落在多样性和组成上存在显著差异，显示全球活性污泥微生物组成可能存在特定模式。研究发现9个环境因素的组合是预测微生物群落类型的主要决定因素，不同活性污泥微生物群落类型的代谢途径存在显著差异。该研究表明，根据污染物成分和环境条件的变化，通过机器学习方法人工设计高效处理的活性污泥微生物群落具有可行性。

中国科学院微生物所博士研究生王璐为文章第一作者，付钰研究员为通讯作者，中国科学院微生物所刘双江研究员对本研究给予了重要支持。该研究得到了国家重点研发计划和国家自然科学基金的经费支持。

论文链接： https://doi.org/10.1016/j.envres.2024.119635

图1 使用机器学习对活性污泥微生物群落组成及其环境因子响应的预测