Trent Nornen是一家伯克利实验室共同作者，分析了一个微生物样品。
Microciomes在将行星和身体保持健康的自然过程中起重要作用，因此科学家们对这些佩斯微生物社区的调查并不令人惊讶地导致医学，可持续农业，廉价净化方法和环境清理技术的进步，仅举几个。然而，试图确定哪些微生物有助于一个重要的地球化学或生理反应既令人难以置信的挑战性和缓慢，因为该任务涉及分析遗传和代谢信息的巨大数据集，以将化合物介导制备它们的微生物。
但现在，研究人员设计了一种新的方式来排序信息过载。
由UC San Diego领导的一支由UC San Diego领导的团队编写了一种称为微生物 - 代谢物向量（MMVEC）的基于神经网络的方法，它使用概率来识别共同的微生物和代谢物的最可能关系。该团队演示了MMVEC如何通过将MMVEC应用于来自两次学习的微生物瘤类型的数据集 - 在沙漠土壤和囊性纤维化患者的肺中，并味道如何使用这种方法未来通过揭示微生物产生的代谢物和炎性肠病之间的关系。
“以前用于估计与随机机会相当执行的微生物代谢物相关的统计工具，”Marc Van Getethem表示，博士后研究员是来自Berkeley Lab的三个研究作者之一。“他们的表现不佳导致检测虚假关系并错过了许多真正的关系。MMVEC是一种强大的新工具，可准确地链接代谢物和微生物丰富以解决这个问题。从临床试验到环境工程可能存在宽范围的应用。最终，MMVEC将使我们开始远离朝向解开机制的简单模式识别。“
参考：“学习微生物 - 代谢物互动的思想”由詹姆斯···阿克斯诺夫，罗伯德····沃尔德斯（Rouis Felix Noulds），罗伯特A. Quinn，Michelle H. Badri，Tami L. Swenson，Marc W.范·普森， Trent R. Northeng，Yoshiki Vazquez-Baeza，Mingxun Wang，Nicholas A. Bokulich，亚伦瓦特，Se Jin Song，Richard Bonneau，Pieter C. Dorrestein和Rob Knight，2019年11月4日，自然方法：
10.1038 / s41592-019-0616-3
