NetNiche：精准预测微生物 - 代谢物及微生物间相互作用的创新框架

为解决微生物 - 代谢物相互作用推断难题，研究人员开展 NetNiche 研究，其性能优于传统方法，助力多组学研究。

　　宏基因组学（Metagenomics）和代谢组学（Metabolomics）技术已广泛应用于研究体内微生物 - 代谢物的相互作用。然而，目前缺乏能够准确推断微生物 - 代谢物相互作用的计算方法。研究人员提出了一种基于图表示学习的上下文感知框架 NetNiche，它通过整合微生物和代谢物的丰度数据以及先验知识，能够精确预测微生物 - 代谢物以及微生物 - 微生物之间的相互作用。研究人员将 NetNiche 应用于肠道和土壤微生物组数据集，结果表明，NetNiche 的性能优于当前最先进的方法，如用于生态关联推断的稀疏逆协方差估计（SPIEC - EASI）、用于成分数据的稀疏相关性分析（SparCC）以及微生物 - 代谢物向量（mmvec）。NetNiche 是一种有效的工具，在人类微生物组的多组学研究中具有广泛的适用性。