文章导读 

肠菌代谢物作为肠道菌群与宿主之间的主要作用媒介，具有巨大的诊断和治疗潜力。与已有的微生物数据相比，代谢物数据相对缺乏。有一些研究利用生物信息学工具根据肠道微生物组的不同方面来预测代谢物。尽管这些工具有助于更好地理解肠道微生物群与各种疾病之间的关系，但大多数工具都主要关注微生物基因对代谢物的影响以及微生物基因之间的关系，而没有考虑代谢物对微生物基因的影响或这些代谢物之间的关系。 

南方医科大学余光创教授团队对上述问题进行了研究，并在Taylor & Francis旗下著名国际期刊Gut Microbes上发表研究文章：MMINP: A computational framework of microbe-metabolite interactions-based metabolic profiles predictor based on the O2-PLS algorithm。 

作者：Wenli Tang, Huimin Zheng, Shuangbin Xu, Pan Li, Li Zhan, Xiao Luo, Zehan Dai, Qianwen Wang, Guangchuang Yu* 

DOI：10.1080/19490976.2023.2223349 

研究问题 

本研究开发了一种新的代谢物预测软件MMINP，证明了其可行性及其在生物学上的应用，并与同类型软件进行了比较。另外，研究了训练样本量、宿主疾病状态和数据处理方法对这些数据驱动型代谢物预测工具预测性能的影响。 

研究设计与结论 

MMINP利用O2-PLS算法从整体上捕获代谢物组和微生物组之间的关系，与现有工具独立地为每个代谢物构建微生物模型不同，O2-PLS同时考虑所有特征，构建一个整体模型，将代谢物数据和微生物数据分解成关联部分、特异部分和残差部分，并从两个数据集的真实关联部分识别两组数据的潜在关联。通过代谢物-微生物关联模型，可以在只有微生物数据的情况下，预测新样本的代谢物数据。MMINP定义了模型拟合良好代谢物（well-fitted metabolites，WFMs）以提高模型的预测准确性。 

本研究将MMINP应用到一个IBD数据集上来证明MMINP的可行性及其应用价值。研究发现，MMINP能预测出约72.1%的代谢物簇，其中预测准确的有约61.2%。将MMINP预测出来的代谢物值应用到下游分析，发现预测值和测量值一样能够从整体上区分疾病组和对照组，两者识别出来的组间差异代谢物簇较为一致，差异代谢物富集到的代谢物类也和过往研究报道一致。 

图1. 代谢物测量值和预测值下游分析的比较 

与MMINP类似的工具还有MelonnPan和ENVIM，本研究比较了三种工具在多个数据集上的表现。因为MMINP前处理后的数据经一次O2-PLS建模也能直接用于预测代谢物，因此同样将O2-PLS纳入比较。结果表明，O2-PLS和EVNIM预测准确的代谢物数量较多，MMINP和MelonnPan预测准确率较高，其中MMINP最高。MMINP和MelonnPan的precision、accuracy和F1 score更高。 

最后，作者还评估了训练样本量、样本健康状态、数据处理方法对这四种预测方法预测结果的影响。随着训练样本量的增加，MMINP的预测率上下波动，MelonnPan的预测率则一直增加，四种方法的预测准确率都在持续增加，当样本量超过50时增速变缓。MelonnPan的预测率和预测准确率没有观察到平台期，表明跟其他三种方法相比，MelonnPan要获得较高的预测率和预测准确率需要更多的训练样本。在样本健康状态方面，当训练模型所用样本的健康状态和预测样本的健康状态相近时，预测效果更好。在数据处理方面，当训练数据和测试数据来自不同的测量方式和/或前处理方法，能预测出来的代谢物很少。 

图2. 不同训练样本量下四种方法的表现 

图3. 不同健康状态的样本建模和预测的表现 

研究贡献 

本研究开发了一个微生物相关代谢物预测工具MMINP，MMINP充分考虑代谢物与微生物基因之间的内在关联，并以此通过新样本的微生物基因数据推断其代谢物信息。与已有的同类型代谢物预测工具相比，MMINP的预测准确率略有提升。该研究还分析了训练样本量、宿主疾病状态和数据处理方法对预测性能的影响，为使用数据驱动的方法进行代谢物预测提供了指导。

作者信息 

本文是南方医科大学余光创教授团队的研究成果。论文第一作者为南方医科大学硕士研究生唐文丽。余光创教授为通讯作者。 

余光创 

生物信息学博士，博士生导师。现任南方医科大学基础医学院生物信息学系主任。主持国家自然科学基金面上项目和军科委国防科技创新特区项目，在多本优质国际期刊发表论文40余篇，其中8篇为ESI高被引论文，他引频数超过3万次，入选全球高被引学者、全球前2%顶尖科学家榜单和中国高被引学者。 

唐文丽 

南方医科大学生物信息学硕士研究生。 

相关期刊 

• 2022 影响因子：12.2 

• 2022 影响因子最佳分区：Q1 

• 2022 CiteScore：14.4 

• 2022 CiteScore最佳分区：Q1 

• 年下载/阅读量：150万 

Gut Microbes 是一本创刊早并专注于发表高质量肠道菌群研究成果的高水平国际期刊，旨在为肠道微生物领域的研究人员提供一个强大的平台，展示和讨论他们在国际范围内开展的研究工作，并为读者提供该领域的最新趋势和进展，以卓越的研究质量促进学界研究发展。