首页
热心肠日报
文献库
产业库
榜单
关于日报
《肠·道》演讲
往期精彩
《肠·道》2024
《肠·道》2023
《肠·道》2022
《肠·道》2021
《肠·道》2020
《肠·道》2019
《肠·道》2018
《肠·道》2017
关于《肠·道》
肠道大会
热心肠大会
热心肠智库
智库专家
专家动态
智库新闻
关于智库
奖学金
年度人物奖
更多
HOPE
会议信息
科学与艺术
学术专刊
R·AI
周刊
热心肠先生
研究院动态
关于我们
搜索
登录
关闭
手机邮箱登录
扫码登录
微信扫描二维码快捷登录
验证成功,将在
3
秒钟后跳转
已超时,请
重试
关闭
二维码登录
手机登录
邮箱登录
+86
+1
+852
+886
+81
+65
+61
+44
获取验证码
登录 / 注册
关闭
二维码登录
手机登录
邮箱登录
获取验证码
登录 / 注册
Hui Chong
文章数:2篇
microDELTA
宁康等:microDELTA或可用于解决年龄依赖的人体健康诊断问题
人类肠道微生物群落在生命不同阶段及不同健康状况下的组成各不相同,其动态变化与环境、疾病进展及饮食变化等有关。因此,人类肠道菌群的时序变化可以一定程度反映宿主的生活轨迹。近日,华中科技大学宁康及团队在Briefings in Bioinformatics发表最新研究,提出一个基于肠道微生物群落数据使用迁移学习实现的人体健康轨迹追踪框架microDELTA,初步解决了年龄依赖性的人体健康状态诊断问题。总之,该工具可准确追踪人类肠道菌群特定的生命轨迹,较为完善的解决了年龄依赖性的人体健康状态诊断问题,对未来的健康监测与临床实践有着重要意义,值得关注。
microDELTA
健康诊断
研究论文
基础研究
机器学习
本体感知神经网络 (ONN)
宁康等:基于深度学习实现百万菌群样本的超快速溯源工具ONN4MST
微生物群落样本的分类结构具有高度的栖息地特异性,其使识别样本来源的生态位成为可能。然而,当扩大溯源时,当前的方法面临挑战。华中科技大学宁康和山东大学崔学峰作为共同通讯作者,近期在Genome Medicine发表研究,介绍了一种深度学习方法——基于本体感知神经网络方法ONN4MST,可用于大规模溯源。当对来自 114 个生态位的 125,823 个样本进行溯源时,ONN4MST 以接近最佳的精度而优于其他方法。总体而言,这项研究代表了第一个基于模型的方法,用于对来自数百个生态位的亚百万菌群样本进行溯源,其具有卓越的速度、准确性和可解释性。ONN4MST 可在 https://github.com/HUST-NingKang-Lab/ONN4MST 上获得。
本体感知神经网络 (ONN)
微生物溯源 (MST)
深度学习
超快
菌群