基于自编码器的微生物组数据稀疏性填补方法mbSparse研究

微生物组数据的稀疏性问题严重制约了其分析效能。来自未知机构的研究人员开发了基于自编码器的填补方法mbSparse，通过深度学习技术有效重构缺失的微生物丰度数据。该方法在模拟和真实数据集中均展现出优于传统方法的性能，为微生物组研究的可靠性提供了新工具。

　　

微生物组(microbiome)研究中，数据稀疏性(sparsity)是阻碍分析的关键瓶颈。传统填补方法如零值替换或均值插补会引入偏差，而基于k-最近邻(kNN)或随机森林的方法难以捕捉微生物间的复杂互作。这项研究提出的mbSparse方法创新性地采用堆叠自编码器(stacked autoencoder)架构，通过非线性降维学习微生物丰度(abundance)的潜在特征，再重构完整数据集。

技术层面，mbSparse首先对原始操作分类单元(OTU)表进行对数变换，随后通过多层编码器-解码器结构提取微生物群落的核心特征。特别设计的损失函数(loss function)能同时优化重构误差和特征空间距离，确保对稀有物种(rare taxa)的填补准确性。在模拟数据集benchmark中，该方法在Bray-Curtis距离和物种丰富度(species richness)指标上显著优于对照方法。

实际应用显示，mbSparse处理后的肠道微生物组数据能更准确地识别疾病标志物(biomarker)，例如炎症性肠病(IBD)相关的普雷沃菌属(Prevotella)和粪杆菌属(Faecalibacterium)的差异丰度。方法还兼容16S rRNA和宏基因组(metagenomics)等不同测序技术产生的数据，其Python实现支持GPU加速，处理百万级OTU表仅需分钟级耗时。这项技术为微生物组-宿主互作(microbe-host interaction)研究提供了更可靠的数据基础。