机器学习辅助元分析揭示凡纳滨对虾(Penaeus vannamei)肠道菌群在免疫刺激饲料添加剂干预下的特异性变化

本研究通过机器学习辅助的元分析方法，系统分析了凡纳滨对虾(P. vannamei)在免疫刺激剂干预下的16S rRNA肠道菌群特征。研究人员发现免疫刺激显著提高了α多样性指数，富集了特定有益菌群（如Gammaproteobacteria类群），同时降低了潜在致病菌丰度。随机森林模型鉴定出可用于免疫状态分类的关键指示类群，功能预测显示不同免疫刺激剂激活了特异性代谢通路，为水产养殖中精准调控虾类免疫-微生物互作提供了新见解。

　　

肠道微生物群落(Gut microbiota)在甲壳动物健康中扮演关键角色，这项创新研究采用机器学习驱动的元分析手段，解密了饲料免疫刺激剂对凡纳滨对虾(P. vannamei)肠道菌群的精准调控机制。通过对多组16S rRNA测序数据的深度挖掘，揭示出免疫刺激组呈现显著的α多样性指数升高，β多样性分析则显示感染组与刺激组存在微妙差异。

研究团队运用随机森林(Random Forest)算法成功锁定关键生物标志物类群，包括显著减少的发光杆菌属(Photobacterium)等γ-变形菌纲(Gammaproteobacteria)成员。有趣的是，不同免疫刺激剂展现出"指纹式"调控特征：既共享部分核心响应类群，又各自激活独特的代谢通路网络。功能预测分析进一步证实，β-葡聚糖和益生菌等不同刺激剂会特异性富集氨代谢、鞭毛组装等通路。

该发现为水产养殖业提供了重要启示：通过精准设计免疫刺激配方，可定向塑造对虾肠道微生态结构，实现"菌群-免疫"双调控，这对解决抗病力下降等产业痛点具有转化应用价值。