东京，7月6日（IANS）——东京大学的研究人员首次使用一种名为贝叶斯神经网络的特殊人工智能（AI）技术，分析了一组关于肠道细菌的数据集，以揭示现有分析工具无法可靠识别的关系。
已知肠道细菌是许多健康相关问题的关键因素。人体由大约30万亿到40万亿个细胞组成，但肠道中却包含了大约100万亿个肠道细菌。
“问题在于，我们才刚刚开始了解哪些细菌会产生哪些人体代谢物，以及这些关系在不同疾病中如何变化，”生物科学系Tsunoda实验室的项目研究员Tung Dang在《生物信息学简报》上发表的一篇论文中表示。
通过准确绘制这些细菌与化学物质之间的关系图，我们可能能够开发出个性化的治疗方法，Dang提到：“想象一下，能够培养特定细菌以产生有益的人体代谢物，或设计靶向疗法来修改这些代谢物以治疗疾病。”
这个名为VBayesMM的系统能够自动区分对代谢物有显著影响的关键参与者，同时忽略大量不相关的微生物，同时还承认预测关系的不确定性，而不是提供过于自信但可能错误的答案。
“当在睡眠障碍、肥胖症和癌症研究的真实数据上进行测试时，我们的方法始终优于现有方法，并确定了与已知生物过程一致的特定细菌家族，这让我们相信它发现了真实的生物关系，而非无意义的统计模式，”Dang解释道。
由于VBayesMM可以处理和传达不确定性问题，因此相较于无法做到这一点的工具，它让研究人员更有信心。尽管该系统经过优化以应对繁重的分析工作负载，但挖掘如此庞大的数据集仍然伴随着高昂的计算成本；然而，随着时间推移，这对希望使用它的人来说将变得越来越不成问题。
“我们计划使用更全面的化学数据集，以捕捉细菌产物的完整范围，但这在确定化学物质是来自细菌、人体还是外部来源（如饮食）方面带来了新的挑战，”Dang说道。
(全文结束)
