基于机器学习的多层级生物标志物整合分析：揭示抗蛙壶菌两栖动物的生理与皮肤微生物动态

来自韩国的研究人员针对全球两栖动物因壶菌病(Bd)导致的种群衰退问题，以抗性物种黑斑侧褶蛙(Pelophylax nigromaculatus)为模型，通过整合皮质酮(CORT)水平、细菌杀伤能力及皮肤微生物组等多维度数据，创新性应用条件生成对抗网络增强的LightGBM算法，成功建立Bd感染状态预测模型。该研究为理解宿主-病原体互作机制提供了新型生物标志物组合策略。

　　

在全球两栖动物面临壶菌(Batrachochytrium dendrobatidis, Bd)疫情威胁的背景下，韩国特有物种黑斑侧褶蛙(P. nigromaculatus)展现出独特抗性特征。这项突破性研究通过多维数据整合揭示了有趣现象：尽管感染组个体表现出显著升高的应激激素皮质酮(CORT)水平和改变的细菌杀伤能力，其皮肤微生物组的α/β多样性却未发生显著变化。

研究团队巧妙运用机器学习技术解决数据不平衡难题，发现经条件生成对抗网络(Conditional GAN)增强后的轻量梯度提升机(LightGBM)模型表现最优，其中CORT和抗菌功能被识别为关键预测因子。该创新方法有效弥补了传统生物标志物在抗性物种研究中的敏感性差异，为解析宿主-病原体军备竞赛(co-evolutionary arms race)提供了新视角。

特别值得注意的是，皮肤微生物组虽未出现显著群落结构改变，但特定菌群的微妙变化暗示着"微生物盾牌"可能在抗性机制中扮演潜在角色。这项研究为濒危两栖动物保护提供了可量化的生理评估框架，其多组学整合策略对野生动物疾病研究具有范式意义。