摘要
人体肠道微生物是一个非常庞大的系统，肠道微生物通过代谢产物和宿主进行信息交换，在人一生的成长和衰老过程中发挥着多种重要功能。肠道微生物群比人体细胞的数量高一个数量级，据计算大约有1014个细胞组成，由于肠道菌群的庞大和复杂性，以及对饮食、地域、疾病的易感性，使得对肠道微生物的定量研究充满了困难，本文主要通过机器学习对人体肠道微生物样本进行定量研究，通过微生物丰度数据建立宿主年龄和性别预测模型，并识别年龄和性别特异性微生物。本文主要内容如下： （1）通过斯皮尔曼相关系数对样本数据集进行降维，对1580种微生物祛除冗余项，留下19种具有代表性的微生物，输入机器学习回归模型。利用肠道微生物丰度数据预测样本的年龄，对预测值用R2和平均绝对误差评价，在Adaboost、随机森林模型以及Xgboost模型中，随机森林模型效果最好，R2=0.579，MAE=13.45。利用特征重要性得分识别与宿主年龄高度相关的微生物，识别双歧杆菌和居瘤胃解纤维素菌（Cellulosilyticum），并在百岁老人的样本中发现了和老年人不同的肠道微生物结构，且这种变化不连续。 （2）通过机器学习分类模型对样本数据集进行性别分类，本文采用了高斯贝叶斯模型、K-近邻模型、随机森林模型、自适应提升算法以及梯度提升决策树模型构建分类器。其中，随机森林分类模型效果最好，平均准确率达到79.5%。通过调节超参数的变化，对随机森林模型的准确率和F1得分进行检验，确保随机森林分类模型的稳定性。通过特征重要性得分识别对分类模型贡献较大的微生物，在前20种微生物中，有8种微生物属于厚壁菌门，有8种属于拟杆菌门，有3种属于放线菌门，有1种属于疣微菌门。同时，居瘤胃解纤维素菌（Cellulosilyticum）在百岁老人的样本中也发现了两性差异。
NETL