iMetaOmics | 张磊/宁康团队-迁移学习识别用于2型糖尿病跨区域诊断的及阶段特异性膳食纤维干预的细菌特征
迁移学习识别用于2型糖尿病跨区域诊断的及阶段特异性膳食纤维干预的细菌特征
研究论文
期刊：iMetaOmics
原文链接DOI：http://doi.org/10.1002/imo2.70021
2025年5月4日，山东大学张磊和华中科技大学宁康等在iMetaOmics在线发表了题为“Transfer learning identifies bacterial signatures for cross-regional diagnosis of Type 2 Diabetes and enable stage-sensitive dietary fiber intervention”的文章。
本研究提出了一个深度学习框架——DeepMicroFinder，该框架结合了神经网络和迁移学习。DeepMicroFinder在克服肠道微生物的区域效应、实现高准确性的跨区域2型糖尿病诊断以及识别可靠的疾病相关微生物标志物方面具有显著优势。
第一作者：张群业、王南、张方华、陈斌、王以辉
通讯作者：张磊（zhanglei7@sdu.edu.cn）、宁康（ningkang@hust.edu.cn）、王哲（wangzhe@sdfmu.edu.cn）、王颜刚（wangyg1966@126.com）、赵国屏（gpzhao@sibs.ac.cn）
合作作者：王忠超、赵常英、靳传娣、生大双、岳凯乐、姜岱峰、高辽梅、张皓鸿、康子鑫、程铭悦、马小莉、王海燕、胡东明、王军、刘元涛、周晨虹、姚民秀
主要单位：山东大学齐鲁医学院、华中科技大学生命科学与技术学院、康复大学青岛中心医院、山东省立医院、青岛大学附属医院、青岛市第三人民医院、青岛市立医院、青岛市第八人民医院、山东大学齐鲁医院（青岛）、山东省科学院
亮点
• DeepMicroFinder是一个深度学习框架，旨在通过利用区域特异的微生物组数据集和迁移学习方法，更新现有的疾病诊断模型，从而生成迁移模型;
• 该框架有效克服了肠道微生物组的区域效应的局限性，实现了准确的跨区域疾病诊断;
• 通过DeepMicroFinder识别出了与2型糖尿病（T2D）相关的微生物标志物，并在接受了膳食纤维干预的T2D队列中得到了验证。
摘要/引言
2型糖尿病（T2D）是一种慢性代谢性疾病，受到遗传、饮食和药物等因素的影响，主要特征为高血糖、胰岛素抵抗和相对胰岛素缺乏。肠道微生物在人体的营养代谢、免疫功能和疾病发展中发挥着重要作用。研究表明，肠道微生物的组成与功能及其相关代谢物与糖尿病表型（如高血糖和胰岛素抵抗）密切相关。然而，肠道微生物的区域性差异限制了当前机器学习方法在跨区域2型糖尿病诊断中的准确性，且在某一地区识别的微生物标志物可能在其他地区缺乏普适性。此外，膳食纤维干预是2型糖尿病的常见临床治疗方法，但其机制尚不一致。为了解决这些问题，我们提出了一个深度学习框架——DeepMicroFinder，该框架结合了神经网络和迁移学习技术。DeepMicroFinder在克服肠道微生物的区域效应、实现高准确性的跨区域2型糖尿病诊断以及识别可靠的疾病相关微生物标志物方面具有显著优势。
