科学家们创建了一种新的人工智能工具，模仿婴儿微生物组。这种数字双胞胎可以创建一个虚拟模型，以预测婴儿成长过程中肠道微生物种类的变化。
肠道微生物组对婴儿的健康和生长至关重要。研究发现，微生物群体中的失衡，即称为微生物失调，与胃肠疾病和大脑发育问题有关。深入了解肠道细菌如何相互作用及其对健康的潜在影响可能导致重要的突破。其中一些问题通过传统实验室实验难以解决且耗时。
芝加哥大学的研究人员创建了一种新的生成性人工智能（AI）工具，以建模婴儿微生物组。这个婴儿微生物组的“数字双胞胎”生成一个虚拟模型，预测肠道中微生物种类的变化动态，以及它们在婴儿成长过程中如何变化。研究人员使用从新生儿重症监护室（NICU）收集的早产儿粪便样本的数据，利用名为Q-net的模型来预测哪些婴儿面临认知缺陷的风险。发表在《科学进展》上的一项新研究发现，使用生成性AI能够以76%的准确率准确预测早产儿的认知缺陷。根据Ishanu Chattopadhyay博士的说法，他是医学助理教授和该研究的资深作者，传统的微生物组分析方法可能由于早产儿微生物组的不断变化和成熟而不足。因此，开发了一种使用生成性AI创建系统数字双胞胎的新方法，以建模随着变化而变化的细菌相互作用。这种数字双胞胎概念有潜力成为变革性的，就像其他形式的AI一样。该技术结合了计算机科学、工程、数学和生命科学，旨在模仿生物系统。谈到微生物组动态时，Chattopadhyay解释道，规模是一个关键因素。传统的湿实验室实验考察细菌相互作用非常耗时。例如，对一个典型有1,000种物种的菌落进行所有双向相互作用的测试将需要超过1,000年。这甚至还没考虑到三种、四种或更多物种更为复杂的交互作用。
Q-net模型显著减少了这些相互作用的测试时间，识别出可能有趣的连接。Chattopadhyay和他的团队使用来自芝加哥大学Comer儿童医院的婴儿粪便样本数据训练了模型，然后用来自波士顿Beth Israel Deaconess医疗中心的样本数据检查其预测。模型准确预测了哪些婴儿面临认知缺陷的风险，这通过头围增长进行测量，准确率为76%。
该模型还建议，恢复特定细菌种类的丰度等干预措施可能会降低约45%婴儿的发展风险。然而，作者警告说，模型的预测应谨慎解读。研究还表明，不当的干预可能加重风险。
“仅仅给予益生菌并期望减少发展风险是远远不够的，”Chattopadhyay解释道。“你所替代的至关重要，对于许多人来说，时机也同样重要。”
Q-net能够识别潜在有前景的细菌组合，显著缩小可能的治疗目标搜索范围。如果肠道微生物组就像在干草堆里找针，Q-net可以帮助研究人员找到他们可以寻找针的那一英寸平方。
Chattopadhyay的研究同事们，如共同作者Erika Claud博士，儿科教授及早期轨迹科学中心主任，正在进行使用生物反应器模仿活体肠道微生物组环境的研究。这允许测试潜在的干预措施并观察其实际效果。
Q-net系统在核心上建模了多个相互作用的变量。研究员Chattopadhyay认为，该系统可应用于超出微生物组的其他系统，例如病毒的演变或甚至社会现象如公众意见。
Chattopadhyay表示：“如果你有大量的数据，你可以很好地训练这个系统，它会弄清楚连接是什么。”该软件能够捕捉到甚至是最微妙的差异，适用于广泛的应用场景。
