。 2025年5月15日; 15（1）：16934。 doi：10.1038/s41598-025-01781-x。
提携は拡大します
所属
- 1ドイツ、エッセン大学エッセン大学病院エッセン、医学部人工知能研究所、医学研究所。
- 2ドイツ、エッセンのドゥイスブルク・エッセン大学のコンピューターサイエンス学科。
- 3 emschergenossenschaft/lippenverband、kronprinzenstraße24、45128、エッセン、ドイツ。
- 4医学研究所医学研究所、大学病院エッセン、ドゥイスブルク・エッセン大学、エッセン、ドイツ。 [email protected]。
クリップボードのアイテム
Ann-Kathrin Durrr et al。 Sci Rep。 2025。
詳細表示オプションを表示します
オプションを表示します
フォーマット要約PubMed PMID
。 2025年5月15日; 15（1）：16934。 doi：10.1038/s41598-025-01781-x。
所属
- 1ドイツ、エッセン大学エッセン大学病院エッセン、医学部人工知能研究所、医学研究所。
- 2ドイツ、エッセンのドゥイスブルク・エッセン大学のコンピューターサイエンス学科。
- 3 emschergenossenschaft/lippenverband、kronprinzenstraße24、45128、エッセン、ドイツ。
- 4医学研究所医学研究所、大学病院エッセン、ドゥイスブルク・エッセン大学、エッセン、ドイツ。 [email protected]。
クリップボードのアイテム
citedisplayオプション
オプションを表示します
フォーマットAbstractPubMedPmid
抽象的な
重要な微生物群集の変化を通常の変動と区別することは、人間と環境の生態系における微生物のダイナミクスを理解するために不可欠です。この知識により、早期警告システムは、人間または環境の健康に影響を与える重要な変化を監視できます。 16S rRNA遺伝子シーケンスと時系列分析を適用して、ヒト腸および廃水微生物叢の細菌の存在量の軌跡をモデル化しました。 2つの人間の研究と5つの廃水設定のデータセットを使用して、さまざまなモデルアーキテクチャを評価しました。複数のメトリックで測定されるように、長期記憶（LSTM）モデルは、細菌の存在量を予測し、外れ値を検出する際に他のモデルを一貫して上回っていました。各属の予測間隔により、コミュニティ状態の重要な変化とシグナル伝達の変化を特定することができました。この研究では、微生物群集を監視し、医療および環境の環境における内部および外部の要因に対する反応に関する洞察を提供できる機械学習モデルを提案しています。
キーワード：
早期警告;機械学習; OneHealth;外れ値の検出;時系列予測。
PubMed免責事項
利益相反声明
宣言。競合する利益：著者は、競合する利益を宣言していません。
参照
-
-
Christensen、L.、Roager、HM、Astrup、A。＆Hjorth、MF微生物腸型の個別の栄養と肥満管理。午前。 J.クリン。 nutr。 108、645–651（2018）。 –
doi
– PubMed
-
すべての104の参照を表示します
メッシュ用語
-
細菌* /分類
-
胃腸微生物叢* /遺伝学
-
RNA、リボソーム、16S /遺伝学
-
廃水 /微生物学
#重要な微生物群集の際立った微生物群集は人間と環境の生態系における通常の時間的変動からのシフト