Research | Published on July 14, 2025
炎症性肠病（Inflammatory bowel disease，IBD），包括溃疡性结肠炎（UC）与克罗恩病（CD），会对患者生活质量造成严重影响。遗传和微生物因素共同影响炎症性肠病（IBD）的发生发展，这促使我们研究无创生物标志物以提升诊断精准度。
近日，陈晔光教授团队在Cell Regeneration上发表了一篇研究论文“Identification of a 10-species microbial signature of inflammatory bowel disease by machine learning and external validation”。利用XGBoost算法、变量分析及已发表的微生物组数据，研究人员开发了一个包含10个微生物标志物的XGBoost分类模型（XGB-IBD10）。
研究发现
通过整合微生物特征与机器学习／深度学习模型，并采用标准化方法确保宏基因组与16S测序数据的可比性，团队构建了分类模型以评估XGB-IBD10的精确性与有效性。该模型在测试样本中达到0.8722的显著准确率。此外，利用收集的181份粪便样本的宏基因组测序结果进行模型验证，模型准确率达0.8066。当采用中国人群高质量数据训练时，模型性能显著提升。值得注意的是，结合临床与微生物组数据的模型在活动性IBD预测中展现出重要潜力。本研究最终鉴定出有潜力的，与IBD相关的无创生物标志物，这些标志物有助于提升临床诊断准确率。
为构建基于微生物标志物的IBD分类模型，研究人员基于来自9个独立队列的2377份宏基因组测序样本和4460份16S测序样本构建分类模型，并采用测试集和外部验证集（MC-IBD队列）对模型性能进行双重验证。
构建基于XGBoost的分类模型XGB-IBD10
通过测试集和MC-IBD队列验证，模型分类分析获得多项性能指标——准确率、AUC、特异性、召回率、精确率、F1值及Kappa系数。相比基于20、40、80及160个微生物的分类模型，基于10个微生物的XGB-IBD10以更少菌种数量实现了更优性能。研究人员还进一步解析了该模型预测IBD的关键微生物。
XGB-IBD10性能优于其他数量菌群构建的分类模型的性能
为验证XGB-IBD10的高性能，研究人员将本模型与多种机器学习及深度学习方法进行性能对比，XGB-IBD10展现出全面优势。同样整合已发表宏基因组研究的9个独立队列数据构建XGBoost模型，XGB-IBD10性能显著优于其他微生物标志物所构建的分类模型。
XGB-IBD10性能优于其他算法或微生物标志物所构建的分类模型的性能
值得注意的是，仅采用117例中国样本构建的分类模型，其预测效果媲美基于4677例其他地区样本的分类模型，预示纳入更多中国的队列可进一步提升模型在预测外部验证队列MC-IBD上的性能。宏基因组数据构建分类模型用于预测IBD患者的活动期与缓解期，分类准确率显著高于临床数据构建的分类模型。
宏基因组数据所构建模型的性能高于临床数据所构建模型的性能
综上所述，本研究开发了一个包含10个微生物标志物的IBD分类模型。该模型将助力研究人员精准定位与IBD相关的关键生物学标志物，为揭示疾病潜在机制提供重要洞见。这种深入理解对于开发靶向治疗方案和优化疾病管理策略至关重要。
–– END ––
Cite this article：
Yu, S., Li, J., Ye, Z. et al. Identification of a 10-species microbial signature of inflammatory bowel disease by machine learning and external validation. Cell Regen 14, 32 (2025). https://doi.org/10.1186/s13619-025-00246-w
通讯作者
陈晔光，南昌大学教授。主要运用分子生物学、细胞生物学、生物信息学等多学科手段，通过类器官技术和小鼠模型等研究肠、胃等成体干细胞自我更新和分化的机制；同时探索TGF-β和Wnt信号调控细胞命运的分子机制及其相关疾病发生发展的机理。
—— 关注更多往期内容 ——
点击标题，阅读全文
研究：改造施旺细胞分泌MANF——外周神经再生的新型细胞治疗策略
研究：蒙药额尔敦-乌日勒通过调节MVDA促进斑马鱼心肌再生转载、合作、咨询
请留言或联系编辑部邮箱
cellreg@cscb.org.cn
2019年，Cell Regeneration （中文名《细胞再生（英文）》）经过了编辑队伍和期刊方向调整等大动作后，再度出现在学界同仁的视线中。该杂志是中国细胞生物学学会的官方出版物，采取开放获取OA的出版模式，在学会支持下目前不向作者收取发表费用APC；致力于搭建干细胞与再生医学研究的学术交流平台，促进再生医学从基础到临床转化应用。期刊文章目前已被Elsevier Scopus、Embase，PubMed Central，DOAJ，以及ESCI等数据库收录。
“阅读原文”获取全文下载链接继续滑动看下一个轻触阅读原文
细胞世界向上滑动看下一个
原标题：《【前沿进展】Cell Regen | 通过机器学习与外部验证鉴定炎症性肠病10种微生物标志物》
