可解释机器学习揭示2型糖尿病关键肠道菌群

该研究由西湖大学的郑钜圣团队、中山大学的陈裕明团队以及南方医科大学的周宏伟团队共同完成，于2020年12月7日在《DiabetesCare》杂志上发表，论文的DOI为<https://doi.org/10.2337/dc20-1536>。研究的标题是“Interpretable machine learning framework reveals robust gut microbiome features associated with type 2 diabetes”，具有较高的IF值16.019，显示出其在糖尿病领域的重要学术地位。 研究的焦点在于探索影响2型糖尿病的稳健肠道菌谱。2型糖尿病作为多因素决定的复杂疾病，全球发病率持续上升，而肠道微生物的改变被广泛认为与其发生发展有密切关联。然而，不同研究对于相关菌谱的发现并不一致，因此这项工作旨在确定一个更为稳定且能有效预测疾病风险的核心菌谱。 研究团队通过对三个独立的中国人群队列（合计超过9千人）的数据进行深入分析，利用可解释的机器学习方法，成功地识别出了与2型糖尿病相关的关键肠道微生物特征。这些核心菌谱不仅能够预测糖尿病的发病风险，而且在健康个体中，研究人员发现基线时核心菌谱的失调与未来空腹血糖水平的升高呈现显著正相关。这提示着核心菌谱的紊乱可能在血糖异常中扮演着潜在的因果角色。 为进一步证实这一发现，研究者还进行了粪菌移植实验，通过实验证明了核心菌谱紊乱与血糖控制的直接关联。这一研究结果对于理解2型糖尿病的病因机制、制定个性化的预防和治疗策略具有重要意义，同时也为未来的肠道微生物干预疗法提供了理论依据。 这项跨机构合作的研究利用现代机器学习技术，为我们揭示了2型糖尿病与肠道微生物之间的深层次联系，为糖尿病的预防和管理提供了新的见解，有望推动相关领域的临床实践和科研进展。