Um Framework de Deep Learning para Predição de Doenças Humanas Usando Dados do Microbioma

Cada vez mais pesquisas apontam para o potencial do microbioma como preditor de doenças, e a microbiota humana já desempenha um papel importante na saúde humana. Os dados do microbioma são notoriamente de alta dimensionalidade (na ordem de centenas de milhares de dimensões), e métodos de predição baseados em aprendizado de máquina enfrentam dificuldades com pequenos números de amostras. Devido a essa disparidade, os dados são extremamente escassos, o que prejudica a capacidade de treinar um modelo de predição mais preciso. Abordagens existentes às vezes negligenciam conexões taxonômicas entre espécies microbianas ou deixam de considerar perfis abundantes tanto de organismos microbianos conhecidos quanto desconhecidos, resultando em perda substancial de conhecimento. Entretanto, devido à sua excepcional capacidade de aprendizado de características, o deep learning demonstrou benefícios incomparáveis em tarefas de categorização. Por outro lado, enfrenta dificuldades com a predição de doenças baseada em metagenomas, uma vez que modelos black-box não fornecem explicações biológicas e conjuntos de dados metagenômicos de alta dimensionalidade e baixo número de amostras podem causar overfitting. Nossa solução para esses problemas é o MetaDR, um framework abrangente para predição de doenças em humanos que utiliza deep learning e uma ampla variedade de fontes de dados. Os resultados experimentais mostram que o MetaDR identifica efetivamente as características informativas usando insights biológicos, conseguindo desempenho competitivo na predição ao mesmo tempo em que reduz o tempo de execução.