相关实验视频
Updated: Sep 12, 2025
07:26
Visualizing Methane-Cycling Microbial Dynamics in Coastal Wetlands
Published on: January 31, 2025
444
预测城市废水微生物组动态使用数字双胞胎框架
Bichar Dip Shrestha Gurung1, Manish Rayamajhi1, Naina Maharjan2
1University of South Dakota, Department of Biomedical Engineering, Sioux Falls, 57107, USA.
bioRxiv : the preprint server for biology
|August 8, 2025
概括
我们开发了一个数字双胞胎框架,Q-net,用于预测城市废水中的微生物变化. 这个模型准确地预测了微生物的丰富性,推动了废水微生物组研究从描述性到预测性.
科学领域:
- 环境微生物学环境微生物学
- 计算生物学是一种计算生物学.
- 系统生态学 系统生态学
背景情况:
- 城市废水是复杂的微生物群落的港口,为公众健康提供了洞察力.
- 目前的废水微生物组研究主要是描述性的,缺乏预测能力.
- 预测建模对于理解微生物动态和公共卫生趋势至关重要.
研究的目的:
- 引入一个数字双胞胎框架 (Q-net) 来预测城市废水中的微生物丰富性.
- 为废水微生物组分析开发一个可解释的生成模型.
- 为了能够在各种场景下模拟微生物趋势.
主要方法:
- 利用了来自七个废水处理厂的30周纵向元基因组数据集.
- 开发和训练了一种可解释的生成模型,Q-net,用于微生物丰度预测.
- 为了模型的透明度和可解释性,采用了条件推理树.
主要成果:
- Q-net实现了时间微生物动态的高准确性预测 (关键种类的R2>0.97).
- 该模型在最后一个时间点 (R2 = 0.998) 显示出非常高的准确性.
- 在假设场景下,Q-net成功模拟了现实的微生物趋势.
结论:
- 像Q-net这样的数字双胞胎可以将废水微生物组研究转化为动态的预测系统.
- 这种方法对环境监测和微生物生态系统建模具有重大影响.
- Q-net的可解释性增强了对废水微生物生态学的理解.
