纵向微生物组轨迹解码：一种可解释的机器学习方法在生物标志物发现与疾病预测中的应用

这篇综述创新性地提出了LP-Micro（Longitudinal Prediction Microbiome model）框架，通过多项式组套索（polynomial group lasso）筛选特征、集成机器学习（ML/DL）建模和置换特征重要性检验，解决了纵向微生物组数据的高维度、非线性及时变效应解析难题。该框架在儿童龋病（ECC）和减重手术（BS）队列中验证了其预测准确性和生物标志物发现能力，为疾病早期干预提供了时间敏感型微生物靶点。

摘要

人类微生物组的纵向动态变化蕴含疾病发展的关键信息。LP-Micro框架通过三阶段分析流程：首先采用多项式组套索筛选具有时间连续性的微生物特征（如口腔链球菌Streptococcus mutans），继而集成XGBoost、随机森林（RF）等算法构建预测模型，最后通过置换检验量化时间点与菌群特征的贡献度。该方法在模拟数据中较传统lasso和稀疏偏最小二乘法（sPLS）多识别出30%的真实信号，预测误差降低27%。

结果

LP-Micro框架概览

该框架通过多项式样条拟合微生物丰度的非线性效应，将同一菌种在不同时间点的特征归为一组进行筛选。例如在儿童龋病研究中，39月龄的唾液微生物数据对5岁龋齿预测贡献最大（AUC提升18%），而减重手术队列显示术后1-6月的肠道菌群变化可解释61%的BMI变化（Pearson相关系数）。

模拟数据验证

在包含5个真实信号的100-500维模拟数据中，LP-Micro的组套索预筛选中位数准确率达91.9%，显著高于sPLS（55%）。深度神经网络（NN）经特征筛选后预测均方误差（MSE）降至0.61，较基线模型提升37%。

儿童龋病应用

分析134名儿童的6次随访数据发现：

1. 时间特异性：变异链球菌（S. mutans）在39月龄时预测效能最强（P<10^-5），早于临床龋损出现2年；

2. 新靶点：韦荣球菌属（Scardovia wiggsiae）与卟啉单胞菌（Porphyromonas pasteri）的时序变化与疾病显著相关；

3. 模型比较：LP-Micro-RF的累积预测准确率达70%，较单时间点模型提升13%。

减重手术研究

84例患者数据显示：

1. 关键时段：术后1-6月肠道菌群（如Schaalia菌属）变化预测12月BMI降幅的PCC达0.55；

2. 临床因素：年龄（P=0.02）和手术类型（RYGB vs SG）贡献度超微生物特征；

3. 菌群-代谢关联：Cobetia菌术前丰度与术后5-羟色胺（5-HTP）水平变化呈非线性相关。

方法

多项式组套索

通过自然三次样条转换原始丰度数据，构建如下优化问题：

min_β ||y-Zβ||₂² + λΣ||β_g||₂

其中Z为样条基矩阵，λ控制组稀疏性，确保同一菌种的所有时间点特征同步选择。

累积预测策略

采用滑动时间窗评估信息增益：

D(k-1,k)=E[(y-ŷ_1:k)²-(y-ŷ_1:k-1)²]

在龋病研究中，第5次随访使D值下降0.23，标志关键预测时间节点。

特征重要性检验

通过置换验证计算三类效应：

1. 时间点特异性：如术后1月菌群对BMI的P=0.04；

2. 菌种累积效应：变异链球菌跨时间点P<0.01；

3. 时段重要性：39-48月龄口腔菌群解释32%预测方差。

讨论

LP-Micro的创新性体现在：

1. 时变效应捕获：通过组套索保留菌群轨迹完整性，克服传统方法仅捕捉孤立时间点的局限；

2. 临床转化价值：在龋病研究中提前24个月预警高风险儿童，术中识别减重疗效差的BS患者；

3. 可解释性提升：提供特征重要性P值（如S. mutans的P<10^-5），优于SHAP值等黑箱解释方法。

局限性包括对完整纵向数据的依赖，未来拟结合深度学习插补方法（如Qu等2025年提出的时间序列填补算法）处理缺失值。该框架可扩展至炎症性肠病（IBD）等疾病的微生物动态研究。