在零食界，總會(huì)有些心照不宣的默契：比如說(shuō)掉在地上三秒內(nèi)撿起來(lái)就沒(méi)事的三秒定律，或者說(shuō)不干不凈吃了沒(méi)病的俗語(yǔ)。雖然話這么說(shuō)，但是隨著這些食物而進(jìn)入身體的細(xì)菌，真的有在潛移默化地改變我們體內(nèi)的微生物生態(tài)，影響身體健康。

這個(gè)被稱(chēng)為「食物–微生物–疾病」（Food–Microbe–Disease, FMD）網(wǎng)絡(luò)的世界，復(fù)雜得遠(yuǎn)超想象，并且現(xiàn)有的對(duì)此預(yù)測(cè)方法仍然有限?？紤]到這些，江南大學(xué)的一支團(tuán)隊(duì)提出了一種輕量級(jí)、單視角、基于對(duì)比學(xué)習(xí)的超圖神經(jīng)網(wǎng)絡(luò)，來(lái)補(bǔ)全相關(guān)領(lǐng)域的缺漏。

該研究以「A lightweight single-view contrastive learning hypergraph neural network for food–microbe–disease association prediction」為題，于 2025 年 11 月 4 日刊登于《BMC Bioinformatics》。

論文鏈接：https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-025-06283-1

關(guān)系鏈上的觀察者

在人體腸道內(nèi)，寄居著一個(gè)包含了大約 100 萬(wàn)億個(gè)微生物生態(tài)系統(tǒng)，統(tǒng)稱(chēng)為腸道微生物群。這些微生物對(duì)于維持腸道穩(wěn)態(tài)和通過(guò)產(chǎn)生各種代謝物促進(jìn)宿主健康至關(guān)重要。

關(guān)于腸道微生物與疾病實(shí)體之間的關(guān)聯(lián)，現(xiàn)有的研究主要使用傳統(tǒng)的圖神經(jīng)網(wǎng)絡(luò)（GNNs）。這些圖神經(jīng)網(wǎng)絡(luò)受限于它們的成對(duì)關(guān)系，妨礙了它們?cè)诓蹲轿⑸锵到y(tǒng)（如食物-微生物-疾病關(guān)聯(lián)）的高階復(fù)雜性的表現(xiàn)。

該團(tuán)隊(duì)著眼于理解食物-微生物-疾病相互作用，利用超圖所帶來(lái)的強(qiáng)大框架，引入輕量化超圖神經(jīng)網(wǎng)絡(luò)架構(gòu)，并結(jié)合對(duì)比學(xué)習(xí)（contrastive learning）思路，讓模型能在有限數(shù)據(jù)中自動(dòng)捕捉穩(wěn)定模式。

圖 1：LSCHNN 的工作流程。

研究團(tuán)隊(duì)首先構(gòu)建了一個(gè)規(guī)模龐大的 FMD 數(shù)據(jù)集：

• 190 種食物
• 219 種腸道微生物
• 163 種疾病

共收集并整合17,065 條已知關(guān)聯(lián)。

接著，實(shí)驗(yàn)團(tuán)隊(duì)在 FMD 超圖上實(shí)現(xiàn)單視圖對(duì)比學(xué)習(xí)方法，以增強(qiáng)學(xué)習(xí)表示的區(qū)分能力。這種方式同樣能免除模型受多視圖對(duì)比學(xué)習(xí)中可能出現(xiàn)的噪聲和過(guò)擬合問(wèn)題的干擾。

最后，涉及超圖卷積層的編碼與使用多層感知機(jī)（MLP）構(gòu)建的解碼將會(huì)將交互特征映射為得分，憑此調(diào)整網(wǎng)絡(luò)參數(shù)。

驗(yàn)證與結(jié)果

在交叉驗(yàn)證中，LSCHNN 在主要評(píng)價(jià)指標(biāo)AUPR（精確率–召回率曲線下面積）上提升了8.91%，優(yōu)于包括 GraphSAGE、HGCN、FMD-GCN 等多種對(duì)照模型。

更值得一提的是，它能在稀疏數(shù)據(jù)與未見(jiàn)組合下保持穩(wěn)健預(yù)測(cè)。單視圖對(duì)比學(xué)習(xí)在增強(qiáng) LSCHNN 處理稀疏數(shù)據(jù)方面有著重要作用，并且，它還可以顯著提高其學(xué)習(xí)能力。超圖卷積在模型的預(yù)測(cè)性能中同樣也起著關(guān)鍵作用。

圖 2：在五個(gè)不同模型上進(jìn)行的消融實(shí)驗(yàn)結(jié)果。

案例研究中，團(tuán)隊(duì)以大腸桿菌與雙歧桿菌為例，與五個(gè)基線模型進(jìn)行了對(duì)比分析。結(jié)果顯示，LSCHNN 在大腸桿菌中發(fā)現(xiàn)了 131 個(gè)新的 FMD 三元關(guān)聯(lián)，其中 114個(gè)（87.02%）僅有它發(fā)現(xiàn)。在雙歧桿菌的測(cè)試中則是完成了 202 個(gè)新關(guān)聯(lián)（含 182 獨(dú)家發(fā)現(xiàn)）。

個(gè)性化飲食干預(yù)

近年來(lái)，腸道微生物在人類(lèi)健康中的關(guān)鍵作用已被研究證實(shí)，而 LSCHNN 的框架讓研究者能從三方關(guān)系中找到因果線索：哪些食物通過(guò)改變哪些菌群，影響哪些疾病。

LSCHNN 不僅限于 FMD 預(yù)測(cè)，還擴(kuò)展到藥物-微生物-疾病網(wǎng)絡(luò)，展示了良好的泛化性能。在未來(lái)的工作中，團(tuán)隊(duì)表示，他們將會(huì)引入更多維度的實(shí)體特征，整合更全面、更廣泛的生物相互作用網(wǎng)絡(luò)，并完善圖注意力機(jī)制。