在 rhesus macaques (Macaca mulatta) 中快速识别主要的酸盐生产细菌的AI

科学领域:

• 微生物学 微生物学
• 人工智能的人工智能
• 兽医医学 兽医医学 兽医医学

背景情况:

• 肠道微生物群对健康至关重要,但传统分析是昂贵和复杂的.
• 人工智能 (AI) 为新的诊断工具提供了潜力.
• 人工智能缺乏透明度阻碍了临床采用.

研究的目的:

• 开发和验证一个人工智能模型,从便涂抹图像中快速预测细菌属和群.
• 通过可解释性分析提高AI透明度.
• 评估模型在预测 rhesus macaques 酸盐生产者和发酵者的表现.

主要方法:

• 深度学习 (DL) 和机器学习 (ML) 算法集成了便图像数据与元基因组测序.
• 使用可解释性分析来识别影响预测的图像特征.
• 对图像噪声,模糊,涂抹技术和便重量变化进行了模型稳定性的测试.

主要成果:

• 人工智能模型成功预测了16种细菌属 (AUC>0.7) 和关键的功能组,如酸盐生产者 (AUC 0.75) 和发酵者 (AUC 0.81).
• 可解释性分析证实了模型对噪声和涂抹的稳定性,只有在显著模糊后,性能才会逐渐下降.
• 在预测概率和便涂抹重量之间没有发现显著的相关性.

结论:

• 人工智能方法从便图像准确地预测了各种肠道微生物群落.
• 这种方法强大,非侵入性,快速,且具有成本效益.
• 这为兽医微生物组诊断提供了一个有前途的工具.