10.3877/cma.j.issn.1673-9450.2022.06.014
机器学习与多组学结合推动精准营养的研究进展
在大数据的时代背景下,精准营养已逐渐成为临床营养研究的一个重要趋势。精准营养综合了基因组学、代谢组学、表型组学等多组学的研究理论和方法,并引入机器学习等计算科学技术,使得人们对各种疾病/病理生理条件下营养代谢紊乱的认识达到了新高度,也为发现新的营养干预靶点以及干预的模式提供了全新范式。本文就精准营养中机器学习模型建立的数据准备及算法选择方法,结合机器学习在多组学研究中的应用成果进行综述。在大数据背景下,应用机器学习的精准营养研究不仅能够为每例患者营养支持方案制定策略提供科学依据,同时还可以探索各个营养素之间的联系甚至因果关系,因此机器学习是精准营养研究中必不可少的技术手段。然而,本文也提出目前机器学习在精准营养中的应用受限于数据的异质性高、算法的特异性低等挑战,还有很多未知领域需要探索。
营养基因组学、精准医学、机器学习、深度学习、代谢组学
17
四川省重点研发项目2019YFS0534,2020YFS0392,2021YFS0378
2023-02-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
540-544