人工智能有助于解释您的微生物组

腿上的微小微生物能否显示出您的年龄，或您吸烟？还是你更年期？

数十亿种微生物生活在我们的皮肤上，它们有助于维持皮肤状况，它们是我们抵抗外部病原体的第一道防线，并会影响我们对治疗的反应。

这些微生物是人类细胞大小的十分之一，是人类微生物组的一部分，该微生物组由居住在人体中的微生物（包括细菌，古细菌，病毒和真菌）组成的集体基因组组成。更好地了解我们的微生物组可以帮助改善整体健康状况并促进个性化治疗（包括益生元，益生菌和益生元）的发展。

这就是今天在同行评审的《科学报告》杂志上发表新出版物的动机。来自IBM Research，STFC Hartree中心和联合利华的科学家报告了一个新的可解释AI（EAI）框架，该框架可解锁AI的“黑匣子”，从而有助于进行可解释的数据分析和解释。现在已将其用于理解皮肤微生物组组成与个人健康之间的联系。

在对化妆品皮肤微生物组进行的首次此类分析中，研究小组使用EAI框架分析了北美和英国160多个女性的1200多个皮肤样本，以确定与皮肤干燥，更年期状况，年龄和吸烟习惯。

使用EAI框架，研究人员能够以90％的准确度预测皮肤干燥，无论是女性绝经前还是绝经后的准确度为92％，吸烟习惯的准确度为85％，年龄的准确度为85％，所有这些仅取决于成分他们的皮肤微生物组，提供新的见解，有可能加速健康皮肤个性化治疗的发展。

我们对皮肤微生物组预测能力的发现表明，有可能使用随时可得的微生物组样本来研究广泛的人类福祉指标。

与微生物组分析相关的最大挑战之一包括嘈杂，稀疏和高维数据集，其微生物特征比样品多。因此，要提取数千种主要与宿主生物体（例如人体）的某种状况或特征相关的重要微生物是一项非常困难的计算任务。

除了数据外，开发具有透明度的EAI框架也很重要，这意味着它不仅可以根据微生物组数据预测特征（例如绝经状态），而且还可以解释预测的方式。用与特定特征状态（例如，绝经前或绝经后）相关的大量关键微生物（特征）的变化来表示解释。

我们可解释的AI框架引入了一种新方法来分析微生物组数据并推断出可行的见解，可用于增强标准生物信息学方法。尽管在本示例中将框架应用于皮肤微生物组数据，但可以将其应用于帮助从人的微生物组数据预测状况或特征，该数据已在个性化医疗保健中得到了应用。

我们希望科学界能够在此初步工作中得到扩展和发展，因为这些解释可能会为微生物与人类福祉之间复杂的相互作用提供新的见解，可能导致与新的未知领域相关联，并提供新的干预目标和策略来调节微生物组改善健康状况。

Anna Paola Carrieri，Niina Haiminen，Sean Maudsley-Barton等。可解释的AI揭示了与表型差异有关的皮肤微生物组组成的变化。科学代表（2021）。 https://doi.org/10.1038/s41598-021-83922-6

通过我们的时事通讯，随时了解IBM Research的最新公告，研究和事件。