TaxoMFM 融合分类层级信息构建肠道微生物组基础模型
热点事件持续更新
TaxoMFM 融合分类层级信息构建肠道微生物组基础模型
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Haochen Xue 等研究人员提出 TaxoMFM,一种将微生物分类层级结构融入自监督学习的人类肠道微生物组基础模型,旨在联合学习不同分类层级的丰度模式及群组内相对比例。研究团队同时构建了 TaxoGut-HPP 数据集,收录来自231个队列的100,806份肠道微生物组数据,涵盖40项分类任务和8项回归任务。 在跨队列零样本迁移评估中,目标队列未参与预训练或下游适配。TaxoMFM 对结直肠癌、2型糖尿病和炎症性肠病的预测 AUROC 分别达到0.838、0.736和0.722,展示了该模型在不同队列间迁移微生物组预测能力的表现。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
TaxoMFM:融合分类层级信息的人类肠道微生物组基础模型报道时间线
沿着报道,了解事件的不同侧面。
11月2日
- arXiv · Machine LearningTaxoMFM:融合分类层级信息的人类肠道微生物组基础模型
TaxoMFM 将微生物分类层级结构融入自监督学习,通过分类感知编码和分层组成重建,联合学习不同分类层级的丰度模式及群组内相对比例。研究构建了 TaxoGut-HPP,包含来自231个队列的100,806份肠道微生物组数据,覆盖40项分类任务和8项回归任务。跨队列零样本迁移中,其结直肠癌、2型糖尿病和炎症性肠病预测 AUROC 分别达到0.838、0.736和0.722。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。