近日，计算机科学技术学院苏晓泉教授团队在Computational and Structural Biotechnology Journal（SCI IF=6.018）期刊发表综述论文。该项工作通过近15,000例菌群样本的分析建模，证实了共存病和并发症对微生物组数据模型的显著影响和干扰，反映出常规机器学习方法鲁棒性低、漏检率高等缺陷和不足。论文同时指出，多标签分类（multi-label classification）技术有望成为微生物组疾病检测的新方案，并总结了微生物组多标签分类中值得关注的要点和难点问题，从而激发微生物组进一步研究和实际临床应用的新方向和新思路。

计算机科学技术学院青年教师吴舜尧博士和硕士研究生陈俞竹为该论文的共同第一作者，苏晓泉教授为该论文的通讯作者。该项研究得到了国家自然科学基金和山东省自然科学基金的支持。

据了解，人体微生物组（菌群）被称为人的“第二基因组”，已被证实与人的健康状态和疾病的发生发展有着密切的关联，在疾病预测与诊治等方面有着巨大潜力。长久以来，机器学习被广泛地应用于微生物组研究中，通过对不同状态的微生物组样本进行训练并构建预测模型，对待检测样本的状态进行识别。