基于深度学习的微生物高阶逻辑关系分析方法

作     者：刘芃兰 孙硕男 Liu Penglan;Sun Shuonan

作者机构：辽宁工程技术大学电子与信息工程学院葫芦岛125105 

出 版 物：《现代计算机》 (Modern Computer)

年 卷 期：2022年第28卷第13期

页      面：1-9页

学科分类：12[管理学] 07[理学] 08[工学] 071005[理学-微生物学] 0710[理学-生物学] 1007[医学-药学(可授医学、理学学位)] 100705[医学-微生物与生化药学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 10[医学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：高阶逻辑关系 超图聚类 深度神经网络 最大模块度 

摘      要：微生物群体是所有生物体和生态系统保持健康稳定的核心组分,分析生态系统中微生物的互作用,挖掘微生物群落共现模块,可以加深对微生物群落的认知,提高利用和改造微生物群落的能力,为生态修复、疾病治疗和药物研发提供新的手段。传统的微生物交互关系研究是以“成对关系为基础的,然而,越来越多的研究发现高阶交互关系对于解释群落的多样性、复杂性具有重要作用。本文提出了一种基于深度学习的超图聚类模型(DeepHC),用来挖掘微生物之间的高阶逻辑关系。DeepHC利用信息熵挖掘微生物间普遍存在的高阶逻辑关系,通过深度神经网络获取样本的低维非线性表示,通过基于最大模块度的K均值聚类来自适应地执行聚类分析。实验结果表明,相对于其他模型,DeepHC具有更好的聚类效果,可以作为高阶逻辑关系挖掘的有效工具。