マイクロバイオームデータを用いたヒト疾患予測のためのディープラーニングフレームワーク

ますます多くの研究がマイクロバイオームの疾患予測因子としての可能性を示しており、ヒトマイクロバイオータは既に人間の健康に重要な役割を果たしています。マイクロバイオームデータは非常に高次元（数十万次元程度）であり、機械学習に基づく予測方法はサンプル数の少なさに苦戦しています。この不均衡のため、データは極めて乏しく、より正確な予測モデルの訓練を妨げています。既存の手法はしばしば微生物種間の分類学的な繋がりを見落としたり、既知および未知の微生物プロファイルの多くを考慮しないため、知識の大幅な損失を招いています。しかし、その優れた特徴学習能力によりディープラーニングは分類タスクで比類なき利点を示しています。一方で、ブラックボックスモデルが生物学的説明を提供せず、高次元かつ少サンプルのメタゲノムデータセットは過学習を引き起こす可能性があるため、メタゲノムに基づく疾患予測には困難が生じます。これらの問題に対する我々の解決策は、深層学習と多様なデータソースを活用したヒト疾患予測の包括的フレームワークであるMetaDRです。実験結果は、MetaDRが生物学的知見に基づき情報豊富な特徴を効果的に抽出し、計算時間を短縮しつつ競争力のある予測性能を達成することを示しています。