Adv Sci | 宁康团队发布微生物组通用大模型MGM：开启微生物组分析“Deepseek”时代

近日，华中科技大学生命科学与技术学院宁康教授团队在Advanced Science在线发表了题为MGM as a large-scale pretrained foundation model for microbiome analyses in diverse contexts的研究论文。该研究发布了首个面向微生物组分析的大规模预训练基础模型——MGM(Microbial General Model)。MGM 基于 Transformer 架构，在超过 26 万份多样化微生物组样本上进行自监督预训练，不仅在分类任务上全面超越传统方法，更展现出强大的跨区域泛化能力、时序动态捕捉能力，以及能够通过“图灵测试”的微生物群落生成能力。

01 研究背景：微生物组数据的“巴别塔”

微生物群落广泛存在于人体、环境和工程系统中，对健康和生态至关重要。随着测序技术的普及，海量的微生物组数据被积累（如 MGnify 数据库）。然而，数据异质性（Data Heterogeneity）和批次效应（Batch Effects）成为了横亘在研究者面前的大山。

传统的监督学习方法往往难以捕捉跨研究、跨环境的通用模式；而现有的生物学大模型（如针对单细胞数据的 scBERT）由于词表和特征的根本差异，无法直接迁移到微生物组领域。

为了解决这一难题，宁康团队提出了MG M 一个专为微生物组设计的、具备上下文感知能力的通用人工智能模型。

02 核心创新：MGM 模型架构

MGM 采用了类似 GPT 的因果语言建模（Causal Language Modeling）策略。研究团队构建了包含 263,302 个样本的 Microcorpus-260K 数据集，涵盖宿主相关、环境、工程等多种生境。

• 独特的编码策略：为了解决微生物丰度数据的极值和标准化问题，MGM 创新性地采用了排序值编码（Rank Value Encoding），将微生物群落转化为离散的 Token 序列，既保留了相对丰度信息，又规避了绝对数值带来的噪音。

• Transformer 架构：通过自注意力机制（Self-Attention），MGM 能够捕捉微生物群落中复杂的共现模式和生态互作网络。

• 迁移学习：预训练后的 MGM 可以通过简单的微调（Fine-tuning），迅速适配到各种下游任务中。

图1:MGM模型架构与迁移学习策略

03 性能突破：全面超越现有SOTA

在多项基准测试中，MGM 展现出了压倒性的优势：

1. 微生物群落分类：准确率近乎完美： 在基于 MGnify 数据的微生物溯源任务中，MGM 的平均 ROC-AUC 达到 0.99 ，显著优于随机森林（RF）、EXPERT、DeepPhylo 以及经典的 FEAST 方法。即便在未微调的情况下，MGM 的零样本表现也令人印象深刻。

2.跨区域疾病诊断：克服地理偏差 在炎症性肠病（IBD）的跨国诊断（爱尔兰与加拿大队列）中，MGM 展现了极强的泛化能力。在零样本（Zero-shot）跨区域测试中，MGM 的表现甚至超过了其他经过迁移学习微调的模型，证明其有效捕获了疾病相关的通用微生物特征，而非特定地区的噪音。

3.捕捉时序动态：揭示婴儿肠道发育轨迹 在婴儿肠道发育的纵向队列研究中，MGM 成功区分了顺产与剖宫产婴儿的微生物群落演替轨迹。通过注意力权重分析，MGM 精准识别了关键物种（Keystone Taxa）：

• 顺产： Bacteroides （拟杆菌属）和 Bifidobacterium （双歧杆菌属）权重显著较高；

• 剖宫产： Haemophilus （嗜血杆菌属）表现出持续的高权重。

4.泛癌种诊断与生物标志物发现：在包含 5 种胃肠道肿瘤的 TCMA 数据集上，MGM 实现了0.97 的宏平均 ROC-AUC。通过计算机模拟（In silico）的扰动实验，模型准确识别了 与已有工作相一致的 致癌相关菌属。

04 生成式AI：微生物组的“图灵测试”

MGM不仅能“理解”微生物，还能“创造”微生物。研究团队开发了提示词引导（Prompt-guided）的生成 流程 ，能够根据疾病标签生成逼真的微生物群落概况。

为了验证生成数据的质量，团队设计了“微生物组图灵测试（Microbiome Turing Test）”，从统计保真度和生物学意义两个维度进行评估。结果显示，MGM 生成的数据在 Beta 多样性、物种共现网络等指标上与真实数据高度一致，且能够欺骗分类器，表现显著优于 GAN 等生成模型。

05 总结与展望

MGM的提出标志着微生物组研究进入了“ DeepSeek ” 时代 。它不仅是一个高精度的分类器，更是一个集成了表示学习、迁移学习、扰动分析和数据合成的统一框架。这一工作为解决微生物组数据整合难题提供了新思路，在疾病无创诊断、环境监测、合成生物学以及个性化医疗等领域具有广阔的应用前景。

华中科技大学宁康教授为通讯作者，华中科技大学博士生 张皓鸿 、博士生 张玉丽 、以及硕士生 康子鑫 为论文共同第一作者。华中科技大学生命科学与技术学院为第一完成单位。

论文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.202513333

代码开源：https://github.com/HUST-NingKang-Lab/MGM

制版人： 十一

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

转载须知

【原创文章】BioArt原创文章，欢迎个人转发分享，未经允许禁止转载，所刊登的所有作品的著作权均为BioArt所拥有。BioArt保留所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

近期直播推荐

点击主页推荐活动

关注更多最新活动！