[论文解读] Predicting the Plant Root-Associated Ecological Niche of 21 Pseudomonas Species Using Machine Learning and Metabolic Modeling

Jennifer Chien, Peter Larsen|arXiv (Cornell University)|Jan 11, 2017

Genomics and Phylogenetic Studies被引用 5

一句话总结

本研究将基因组尺度代谢建模与机器学习相结合，以预测21种假单胞菌的生态位（根际或内生菌）。基于不同培养基的代谢模型进行通量平衡分析，支持向量机（SVM）在内生菌预测中的F-score达到0.97，在根际预测中达到0.8，优于基于基因组的模型和PRMT模型，表明基于培养基信息的代谢建模能更有效地捕捉与生态位相关的代谢能力。

ABSTRACT

Plants rarely occur in isolated systems. Bacteria can inhabit either the endosphere, the region inside the plant root, or the rhizosphere, the soil region just outside the plant root. Our goal is to understand if using genomic data and media dependent metabolic model information is better for training machine learning of predicting bacterial ecological niche than media independent models or pure genome based species trees. We considered three machine learning techniques: support vector machine, non-negative matrix factorization, and artificial neural networks. In all three machine-learning approaches, the media-based metabolic models and flux balance analyses were more effective at predicting bacterial niche than the genome or PRMT models. Support Vector Machine trained on a minimal media base with Mannose, Proline and Valine was most predictive of all models and media types with an f-score of 0.8 for rhizosphere and 0.97 for endosphere. Thus we can conclude that media-based metabolic modeling provides a holistic view of the metabolome, allowing machine learning algorithms to highlight the differences between and categorize endosphere and rhizosphere bacteria. There was no single media type that best highlighted differences between endosphere and rhizosphere bacteria metabolism and therefore no single enzyme, reaction, or compound that defined whether a bacteria's origin was of the endosphere or rhizosphere.

研究动机与目标

• 确定与培养基相关的代谢模型是否相比仅基于基因组或与培养基无关的模型，能提升对细菌生态位预测的机器学习性能。
• 识别哪种机器学习方法——SVM、NMF或ANN——最能准确预测假单胞菌物种是定植于根际还是内生菌环境。
• 评估特定代谢物或代谢通路是否能定义根相关假单胞菌物种的生态位特化。
• 评估通量平衡分析（FBA）在最小培养基上的预测能力，以区分内生菌和根际生活方式。

提出的方法

• 利用KBase构建21种假单胞菌的基因组尺度代谢模型（GEMs），并施加与培养基相关的约束条件进行注释。
• 在12种不同的最小培养基上执行通量平衡分析（FBA），以模拟不同营养条件下代谢表型。
• 基于FBA预测的通量分布，训练三种机器学习模型——支持向量机（SVM）、非负矩阵分解（NMF）和人工神经网络（ANN）。
• 通过特征选择识别最能区分内生菌与根际生态位的关键代谢物和反应。
• 使用F-score、精确率和召回率评估所有物种和培养基类型下的模型性能。
• 将基于培养基相关模型的结果与基于培养基无关的模型以及基于基因组的系统发育树（PRMT）结果进行比较。

实验结果

研究问题

• RQ1 与仅基于基因组或与培养基无关的模型相比，整合基于培养基的代谢建模是否能提升对细菌生态位的机器学习预测性能？
• RQ2 在SVM、NMF和ANN三种机器学习算法中，哪一种能对假单胞菌物种是否定植于内生菌或根际生态位的分类实现最高的预测准确率？
• RQ3 在多种培养基条件下，是否存在某些特定代谢物或代谢通路能持续区分内生菌与根际假单胞菌？
• RQ4 是否存在一种最优的培养基条件，能最有效地凸显内生菌与根际假单胞菌之间的代谢差异？

主要发现

• 在含蔗糖、脯氨酸和缬氨酸的最小培养基上训练的支持向量机（SVM）在内生菌分类中达到最高的F-score（0.97），在根际分类中达到0.8。
• 基于培养基的代谢模型显著优于仅基于基因组的模型以及基于PRMT的系统发育树，在预测生态位方面表现更优。
• 在所有培养基类型中，没有单一代谢物、反应或酶能始终如一地预测生态位来源，表明代谢生态位特化具有情境依赖性。
• 将FBA与机器学习结合揭示，在特定营养条件下表现出的代谢能力，比静态的基因组特征更能有效用于生态位预测。
• 本研究证明，基于培养基信息的代谢建模能够提供对代谢组的全面视图，从而更有效地区分内生菌与根际生活方式。
• 在三种机器学习方法中，SVM表现出最稳健的性能，尤其是在基于特定培养基的代谢表型进行训练时。