MDeep：基于CNN的微生物组数据建模
导读
背景：二代测序为药物反应预测、疾病诊断等多种临床应用提供了前所未有的机遇，建立一个基于微生物组学数据的临床结果预测模型十分必要。方法：基于卷积神经网络（CNN）开发了一种微生物群落的深度学习新方法（MDeep），其新颖性在于构建系统发育树的能力，这对提高预测准确性具有重要的意义，在有较大的簇和信号密度较高的情况下表现会更好。
文献：A novel deep learning method for predictive modeling of microbiome data. Brief Bioinform. 2020
Github地址：https://github.com/lichen-lab/MDeep
文献摘要
1 背景：
二代测序的发展和价格的下降，人体微生物组研究拓展迅速，这给微生物组的临床应用（如，药物反应预测、疾病诊断）带来前所未有的机会。基于微生物组的分类单元丰度和系统发生树建立的临床预测模型值得期待。微生物并不是均匀的分布在系统发生树中，而是倾向于聚集在系统发生树不同的深度。因此，系统发生树可以呈现独特的微生物组的相关结构，这对改善预测模型的表现很重要。但是目前还没有能有效且严谨的利用系统发生树的预测模型。
2 方法：
开发深度学习预测方法MDeep (microbiome-based deep learning method)用于预测连续或二分类临床结果。MDeep设计convolutional layer模拟分类学等级，在每个convolutional layer上使用多个convolutional filters，捕获局部接受域微生物物种间的系统发育相关性，并通过feature mapping维持不同convolutional layer间的相关性结构。卷积层及其内置的卷积过滤器捕获了不同分类级别的微生物信号，同时鼓励局部平滑，并保留由系统发育树引起的局部连通性。
MDeep使用方法
1 下载MDeep
git clone https://github.com/alfredyewang/MDeep
2 安装依赖
pip3 install -r requirements.txt
3 测试
python3 MDeep.py
