机构名称：
¥ 1.0
引起了极大的兴趣，我们阅读了Clooney等人的文章，该文章高度介绍了炎症肠病（IBD）种群中肠道微生物群异质性的区域影响。1因此，区域效应将在很大程度上限制基于微生物的区域疾病的诊断。尽管当前基于微生物特征的机器学习方法已应用于IBD 2和2型糖尿病等疾病的诊断，但3这些方法无法减轻区域影响并满足基于微生物的疾病跨区域诊断的需求。在这里，我们提出了一个机器学习框架（在线补充图S1，可访问：https：//github。com/hust-nningkang-lab/expert-never-disever-ggmp），将神经网络和转移学习整合在一起，以有效地减少基于微生物的跨区域疾病的区域效应。重要的是，转移学习可以“借用”来自源城市疾病的成熟知识，以帮助目标城市的疾病诊断，尤其是在目标城市中对微生物群模式的知识很少时。4
跨区域微生物的转移学习
主要关键词
相关文件推荐
