La estructura y función de las comunidades microbianas están profundamente influenciadas por la dinámica espaciotemporal. Mientras que los algoritmos de aprendizaje automático existentes se utilizan ampliamente para la predicción de fenotipos basados en comunidades microbianas, particularmente para la previsión de enfermedades, no logran utilizar plenamente las dinámicas espaciotemporales incrustadas en los datos microbianos. Además, los datos recolectados en un único punto temporal a menudo resultan inadecuados para la predicción precisa de fenotipos de hospedadores o ambientales. Este estudio investiga las dinámicas de interacción de las comunidades microbianas en entornos cerrados utilizando datos de dos proyectos de investigación independientes. Presentamos el modelo de red espaciotemporal microbiana, que combina redes neuronales convolucionales gráficas espaciotemporales de doble flujo con memoria a corto y largo plazo para predecir la abundancia microbiana dinámica en la cavidad oral y el intestino humanos. El modelo captura las trayectorias temporales de los microbios junto con las características espaciales incrustadas en las estructuras de la red, lo que permite una predicción precisa de las tendencias futuras de la comunidad. La validación experimental confirmó su capacidad para rastrear patrones temporales con alta precisión, incluso para microorganismos que exhiben fluctuaciones significativas. Experimentos de ablación demostraron que el modelo integrado supera a los componentes individuales, aprovechando las fortalezas de ambos enfoques. Esta tecnología presenta una estrategia prometedora para el diagnóstico temprano de enfermedades humanas de bajo costo y no invasivas, ofreciendo valiosos conocimientos sobre riesgos de salud futuros.
Gao et al. (Fri,) estudiaron esta cuestión.