Aceclofenac

摘要 机器学习(machine learning, ML)现已广泛应用于微生物学，但其可靠性在不同领域之间差异显著。在本综述中，我们分析了 254 篇科学文献的数据，从三个相互关联的维度评估机器学习，即数据就绪度、模型适配度与部署就绪度，涵盖诊断与病原体鉴定、病毒学、微生物组研究以及工业与环境微生物生物技术。该框架有助于区分稳健的进展与因方法学局限而虚高的性能。我们的综述表明，在策展数据集、可靠标签和完整参考数据库的支持下，病原体鉴定与抗微生物药物耐药性(antimicrobial resistance, AMR)预测能够持续取得较强性能。然而，其实际价值仍受限于内部验证、谱系混淆以及跨菌株、跨机构和跨地区转移的不均衡。在病毒学研究中，参考数据库不完整、分类体系变动以及疫情暴发期间的时间漂移进一步削弱了预测的稳定性。在微生物组研究中，机器学习分类器能够检测疾病与环境信号，但受成分性(compositional)数据结构、技术偏倚与元数据不完整的影响，其跨队列泛化能力仍然薄弱。工业生物加工与环境应用在过程数据丰富且受控良好时前景可期，但在实验室或特定场地之外的部署仍然有限。在结构化微生物数据集上，经典监督模型常常仍能与深度学习一较高下，同时更易解释、更易验证。支持上述比较的详细定量基准已在正文与汇总表格中综合呈现。总体而言，进展将更多取决于可互操作且注释完善的数据集、代表性抽样、标准化基准测试、可复现的工作流程以及前瞻性多中心验证，而非算法本身的新颖性。 图1：用于构建本综述的文献检索与筛选工作流程。 图2：连接微生物数据与生物学洞见的机器学习框架。监督学习支持从有标签的基因组、表型或临床数据进行预测；无监督学习在无标签的组学与群落数据集中检测结构；深度学习从复杂的序列或图像输入中提取特征。红色标注总结了各范式的主要约束与基准信号。整体而言，各面板表明模型选择应以标签可得性、数据结构、任务定义、验证设计与可解释性需求为指导，而非以算法复杂度为依据。支持这些结论的定量基准证据汇总于表1。 表1：应用微生物学中机器学习算法的性能、局限与适用性比较。 表2：应用微生物学中机器学习的领域特异性验证风险与基准标准。 图3：按落地成熟度分层的应用微生物学机器学习应用。机器学习支持病原体鉴定、AMR 预测、病毒学、微生物组分析、生物过程优化与生物修复，但各领域的转化就绪度差异显著。颜色编码标示落地阶段，即较为成熟、新兴或依赖具体情境。各领域的特异性标注指出了该领域的主要验证约束。代表性定量证据以紧凑的面板标注呈现。本图展示出本综述的核心发现：进展的障碍因领域而异而非整齐划一，应据此确定面向领域的优先事项，而非全领域统一的算法策略。各领域的完整基准证据与验证标准呈现在表2中。 图4：作为整合层连接多组学数据、高通量平台与闭环实验的机器学习。机器学习将异质生物数据流与自动化实验室平台相连，实现测量、预测与实验改进的迭代循环。本图说明此类整合工作流程的价值并非仅取决于算法性能，还取决于数据质量、跨平台协调以及模型输出与实验控制之间反馈的可靠性。 引言 在应用微生物学中，机器学习(ML)被用于从基因组、宏基因组、成像、光谱、表型与过程级数据集中提取预测性和解释性模式。标志性应用已经表明，ML 能够支持从宏基因组数据快速开展病原体鉴定与药敏谱分析，改进基于基因组数据集的 AMR 预测，并在与自动化结合时加速微生物过程优化。更宏观的综述将这些进展置于临床微生物学、微生物组与微生物生态研究以及一般性微生物数据解读的背景之下。然而，已报告的性能始终受数据集结构、数据策展、验证设计与部署情境的塑造，这些挑战将在本综述后文详细讨论。在 AMR 预测中，群体结构可能虚增表面性能；在微生物组模型中，处理偏倚与队列效应会削弱跨研究可转移性；在临床微生物工作流程中，验证与落地障碍依然突出。因此，主要差距不在于 ML 能否应用于微生物学，而在于如何判定其预测何时具有生物学意义、何时可在不同情境间复现、何时成熟到足以投入实际使用。 应用微生物学中的大多数 ML 应用可归入监督学习、无监督学习与深度学习三类。其他范式——包括半监督学习、自监督学习与强化学习——在标签有限、拥有大规模无标签序列或图像数据集、或需要闭环实验优化的场景中同样相关。不过，下文讨论的三个类别已涵盖当前微生物数据集上的主要方法，应依据数据结构、生物学问题与预期用途加以选择。监督学习侧重于利用有标签训练数据构建预测模型，这类模型可以直接从基因组序列或光谱指纹中识别细菌病原体或预测抗生素耐药性。相比之下，无监督学习算法不需要预先定义的标签，而是致力于揭示数据内在的结构。深度学习则通过对显微图像、宏基因组序列等复杂非结构化输入实现自动化特征提取，进一步拓展了微生物学的分析范围。三者均已在临床诊断、环境监测、病毒学、微生物组分析与生物技术过程优化中得到广泛应用。 尽管易用工具日益普及、优势显而易见，将 ML 有效融入微生物学研究仍面临挑战。部分原因在于，这些方法在统计与计算上的要求尚未得到标准化指南、易用工作流程或公认评估实践的匹配。本综述通过三个操作性维度评估应用微生物学中的 ML，即数据就绪度、模型适配度与部署就绪度。数据就绪度指可用数据集是否足够大规模、有代表性、注释完善且标准化，从而支撑可靠的模型开发。模型适配度指所选算法是否匹配输入数据的结构、生物学问题以及所需的可解释性水平。部署就绪度指模型是否经过外部验证、是否与现实的替代方案进行过基准比较、是否已整合进实际工作流程，并在开发情境之外仍保持性能。本综述全程使用这三个维度来比较诊断、AMR 预测、病毒学、微生物组分析以及工业与环境微生物学中的应用，比较聚焦于证据强度、验证稳健性与实际使用的就绪程度。循此视角，我们首先考察应用微生物学中主要的 ML 策略，着重讨论模型设计与目标微生物学问题类型之间的关系；继而考察不同数据模态——包括基因组、宏基因组、成像、表型与环境数据集——如何塑造模型设计、性能与可解释性；在以应用为导向的章节中，我们评估病原体诊断、AMR 预测、病毒学、微生物组分析以及工业与环境微生物学中的代表性用例，既呈现成功的实践，也指出反复出现的局限。 我们还考察 ML 如何与多组学、实验室自动化、机器人技术与高通量筛选等互补技术相整合，以及这些组合究竟是提升了生物学洞见，还是仅仅增加了分析复杂性。最后，我们评估持续制约进展的主要障碍，包括数据集偏倚、可复现性差、基准测试不足、可解释性薄弱以及计算工作流程碎片化。通过围绕这些更宏观的分析主题来组织本领域，本综述旨在厘清 ML 已在何处切实交付可靠的微生物学价值、哪些主张仍为时过早，以及未来进展应以何种优先事项为指引。2. 文献筛选与范围 本综述被设计为对应用微生物学机器学习文献的结构化叙述性综合。文献检索与筛选工作流程总结于图1。相关文献通过针对主要书目数据库的定向检索获得，包括 PubMed、Web of Science 与 Scopus。跨数据库使用的核心布尔检索字符串为：("machine learning" OR "artificial intelligence" OR "deep learning") AND ("microbiology" OR "antimicrobial resistance" OR "microbiome" OR "pathogen detection" OR "virology" OR "biotechnology" OR "bioremediation")。各数据库按需应用其专属字段限定，如 PubMed 的 Title/Abstract、Web of Science 的 Topic，以及 Scopus 的 Title、Abstract 与 Keywords。检索优先考虑 2020 至 2025 年间发表的同行评审研究与综述。选择这一时间窗是因为 2020 年之后微生物学中的 ML 应用迅速扩张，伴随高通量测序、数字微生物学、自动化成像、多组学工作流程以及新兴基准测试标准的广泛使用。若研究在微生物数据集中显式使用或评估了 ML 方法、比较或测试了算法、评估了验证或泛化能力，或论及可解释性、可复现性或相关微生物情境中的实际应用，则纳入。更早的基础性研究若引入了广泛使用的概念、数据集、工具或评估实践，亦予保留。2026 年发表的文献仅在直接涉及与综述框架密切相关的最新进展时才予保留。同时要求文献提供足够的方法学细节，以评估数据类型、模型选择、验证策略与实际应用之间的关系。 （见图1） 文献的遴选既反映了应用微生物学的广度，也优先考虑方法学相关性强、近期影响力大且对批判性比较具有明确价值的研究。范围既定，综述首先讨论如何将 ML 模型选择与微生物数据结构、验证设计及可解释性需求相匹配。3. 微生物学中的 ML 方法 机器学习在现代微生物学中的重要性日益提升，因为它能够支持对测序、光谱、成像与组学工作流程所产生的高维数据集的分析。然而，比较性基准研究表明，ML 性能高度依赖任务，并不普遍优于更简单的统计方法或基线方法，例如基于基质辅助激光解吸电离飞行时间质谱(MALDI-TOF)的物种鉴定。在转录组表型预测中，标准 ML 方法在多个预测任务上优于深度表征学习；在微生物组分类中，数据转换与模型选择影响特征解读与分类行为；环境 metabarcoding 基准同样表明，预处理、特征选择与模型设计会影响不同数据集上的性能。因此，任何 ML 策略在微生物学中的效用不仅取决于模型类别，还取决于输入数据结构、标签质量、数据集规模、验证设计与可解释性要求。图2 将这些算法类别与其主要微生物学用例联系起来——从病原体鉴定、AMR 预测到微生物组分层与多组学解读——并说明为何不能将它们视为可互换的。模型选择取决于任务是要求从有标签数据中进行预测、进行探索性结构检测，还是从复杂输入中自动提取特征。 （见图2）3.1 ML 算法的类型 监督式 ML 算法从有标签训练数据中学习，以预测新样本中的预定义结果。在微生物学中，当目标变量定义明确时——例如病原体身份、AMR 表型或临床结局——它们尤为有用。常见的监督模型包括决策树、支持向量机(support vector machines, SVMs)、逻辑回归、朴素贝叶斯以及随机森林(random forests, RF)等集成分类器。它们已被广泛应用于病原体鉴定、暴发检测和基于微生物组的疾病分类等任务。例如，应用于常规监测数据的监督模型改进了对沙门氏菌(Salmonella)与弯曲杆菌(Campylobacter)暴发的早期检测；基于患者特征与基因组特征训练的 RF 模型已被用于预测感染结局。基于 SVM 的分类器在将 16S rRNA 基因序列归入分类群方面也显示出实用性。基准研究表明，监督算法之间的性能差异强烈依赖数据集。例如，一项基于 MALDI-TOF 的细菌鉴定基准报告了 96.15% 的准确率，说明参考数据库覆盖广时监督学习性能强劲。 模型类别 数据类型 关键证据 优势 局限正则化线性模型 / 逻辑回归 中心对数比(CLR)变换或存在/缺失型微生物组表；微生物群与临床变量混合。最适合作为透明基线。 在微生物组基准测试中被推荐为必备基线；性能与特征选择在 24 个数据集（>8,500 个样本）上进行了比较。 透明、快速，易于正则化与校准。 可能错过非线性交互；对预处理与队列漂移敏感。支持向量机 高维 k-mer、MALDI-TOF、全基因组测序(whole-genome sequencing, WGS)及变换后的组学特征。最适合中等规模、高维问题。 在基于 WGS 的 AMR 与 MALDI-TOF 耐药性预测上有效；多核学习支持多组学整合。 在预测变量多、样本量有限时表现强劲；核函数可捕捉非线性边界。 对调参敏感；校准不够直接；在超大数据集上难以扩展。随机森林 / 树集成 微生物组表、WGS 耐药性特征、混合元数据、环境 metabarcoding。适合作为务实的非线性表格模型。 在 4,489 个样本上取得中等的帕金森病分类性能。特征选择在 13 个 metabarcoding 数据集上影响了性能。 可处理非线性交互与混合预测变量；有助于特征排序。 在发生漂移的队列上可能过拟合；分类群相关时特征重要性不稳定。梯度提升 结构化微生物组、WGS、培养组学与多组学表。最适合以表格数据预测精度为优先的场景。 在多组学基准中具有竞争力，但并不普遍优于 RF 或更简单的模型。 表格数据性能强劲；捕捉复杂交互；兼容 SHAP。 比 RF 更依赖调参；小研究中过拟合风险更高。无监督聚类 / 降维 群落组成、功能谱、转录组与多模态组学。最适合结构发现、质控与假设生成。 默认无诊断指标；结果强烈依赖预处理、距离选择与嵌入方法。 在无标签时有用；可揭示聚类、梯度与批次效应。 非预测性终点；视觉聚类可能不稳定或产生生物学误导。深度学习 显微图像、相差视频、序列丰富数据、大规模多模态组学。最适合规模化的类图像或类序列输入。 在细菌显微成像中准确率 >98%（3,396 段视频、4 个物种）；在扰动预测（224 种扰动、19,264 个基因）中未胜过线性基线。 面向图像、序列与大规模多模态数据集的强大自动特征学习。 依赖大量数据、可解释性较弱，对小型表格微生物组数据往往并无必要。 在 16S rRNA 基因分类中，对五种基于 k-mer 的方法的比较发现，最低分类错误率在一个训练集中约为 5%，在基于 SILVA 的数据集中略高，且没有任何方法在所有条件下都表现最佳。在转录组表型预测中，覆盖 24 个二分类或多分类任务与 26 个生存任务的数千个模型表明，正则化回归与标准 ML 方法可以胜过深度表征学习。在微生物组分类中，对来自 24 个 shotgun 宏基因组数据集的 8,500 余个样本的评估显示，数据转换对分类精度的影响有限，却会显著改变特征选择。覆盖 13 个数据集的环境 metabarcoding 基准进一步表明，随机森林模型总体表现良好，而特征选择可能因数据集结构不同反而降低性能。这些比较说明，监督式 ML 的性能无法仅凭算法类别推断，必须结合数据集类型、验证设计、预处理与基准范围来评判（表1）。 监督学习在微生物学中的主要优势，在于当足够大规模且注释完善的数据集可用时，它能够把基因组、表型或临床测量转化为可操作的预测。然而，监督学习对标签质量、数据集均衡性以及训练数据反映真实世界样本多样性的程度十分敏感。在狭窄或高度策展的数据集上训练的模型可能内部表现良好，却在实验室、队列或测序平台之间泛化不佳。这一泛化鸿沟已在跨领域微生物基准中得到量化。在肠道微生物组疾病分类中，覆盖 20 种疾病的跨队列验证显示，队列内平均曲线下面积(area under the curve, AUC)约为 0.77，而除肠道疾病外，外部验证中的性能大幅下降。约 0.77 的队列内平均 AUC——其中 1.0 表示完美判别、0.5 表示等同随机——对所测大多数疾病的大多数临床用途而言，本就只反映中等的判别力；跨队列验证中观察到的额外下降只会使情况雪上加霜。因此，这些数字应当受到与单一疾病微生物组分类器同等的严格审视：队列内性能强劲并不意味着诊断效用，跨队列泛化失败是叠加而非弱化这一局限。在 AMR 预测中，E. coli AMR 模型的跨大洲验证显示了抗生素特异的可转移性，部分药物的准确率接近随机水平。这些例子表明，泛化能力应以外部验证指标、受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUROC)的离散度、跨队列性能以及相对内部测试的性能下降来报告，而不能仅凭数据集内准确率推断。 与监督学习相对，无监督 ML 算法无需标注样本即可识别数据中的结构。在微生物学中，这类策略对大型复杂数据集的探索性分析尤其有价值，特别是在样本类别未知、注释不全或生物学上不确定的情况下。k-means 与层次聚类等聚类技术已被用于依据共享的基因组、表型或生态特征对微生物菌株、群落谱或患者样本进行分组。同样，主成分分析(principal component analysis, PCA)、t 分布随机邻域嵌入(t-SNE)与统一流形逼近与投影(UMAP)等降维工具被广泛用于把组学数据压缩到低维表示，以便可视化和模式发现。 基于多层神经网络架构的深度学习因能在较少人工特征工程的情况下对复杂输入建模，在微生物学中受到日益关注。卷积神经网络(convolutional neural networks, CNNs)、循环神经网络(recurrent neural networks, RNNs)与 Transformer 模型等架构已被应用于图像、基因组与宏基因组数据集——在这些问题上，传统方法通常难以捕捉非线性关系或长程序列依赖。在微生物学中，基于 CNN 的系统已被用于显微成像微生物检测与菌落分类等任务；基于序列的深度学习模型则被开发用于直接从 DNA 或蛋白质序列预测基因功能、耐药决定子及其他表型。深度学习还被用于检测微生物基因组中的生物合成基因簇。尽管如此，深度学习在微生物学中的优势是依情境而定的。这类模型通常最适用于图像丰富或序列丰富的数据集，但常常需要大规模训练数据、可观的计算资源以及细致的调参以避免过拟合。此外，其内部决策过程通常不如简单模型透明，这可能限制生物学解读，并使临床或监管情境下的验证复杂化。因此，是否以深度学习替代更简单的方法，应由数据集规模与结构来证明其合理性。 基准研究支持这种审慎。在基于 16S rRNA 的微生物组表型预测中，MicroPheno 使用 k-mer 特征比较了深度学习与经典方法，报告环境与生物体环境预测的 macro-F1 分数分别为 0.88 与 0.87。这表明当输入表示与数据集规模适当时，深度学习可以发挥作用。然而，更广泛的组学基准显示这一优势并不稳定。在批量多组学预测中，Flexynesis 在 14 个任务上比较了神经网络架构与 RF、SVM、极端梯度提升(extreme gradient boosting, XGBoost)及随机生存森林，最优性能在深度学习与经典模型之间平分，说明没有任何模型类别全面占优。转录组基准得出类似结论：图神经网络鲜少带来足以抵偿其计算成本的预测改进。在单细胞扰动预测中，五个基础模型与两个额外的深度学习模型并未稳定胜过简单的线性基线。这些发现支持仅当模型复杂性确由数据结构、样本量、验证性能与可解释性需求证明其合理时，才使用深度学习。 当结局定义明确、标签可靠且具代表性、目标是具有可测性能的预测或分类时，监督学习是自然之选。在 AMR 研究中，这包括从基因组序列进行的表型预测。基于基因组的耐药性预测是监督学习应用于细菌表型的一个相关实例。当不存在可靠标签或目标是探索性分析时，无监督学习更为合适，最常见的用途是识别群落谱中的自然分组，或为生态结构生成假设。尽管如此，无监督学习的输出应被视为研究的起点而非确证的生物学类别，因为聚类边界对预处理与参数选择的敏感程度很少被透明地报告。 深度学习最站得住脚的用武之地是真正高维且非结构化的输入，例如序列或图像数据。然而，模型复杂性应对照更简单的基线来证成，因为标准 ML 方法在转录组预测任务中可以比肩甚至超越深度学习。在基于图神经网络的转录组预测与基于深度学习的基因扰动分析中，也报告了类似的基准顾虑。序列丰富的数据集为深度学习在微生物学中的应用提供了一个相关场景；宏基因组耐药基因预测是一个更具体的微生物学实例；显微图像分类则是另一个合适的用例。但在大多数微生物学情境中，数据集规模达不到这一门槛，更简单的监督方法经常与深度学习持平或更优，同时更具可解释性、更易验证。这是结构性问题而非偶然现象，因为微生物学数据集通常规模小、抽样窄，且产生条件并不反映部署环境。因此，来自开发数据集的总体准确率并不是实际效用的可靠指南。算法选择应转而考虑输入数据的质量与代表性是否证成所选模型的复杂性，还应考虑模型输出对于相关生物学或临床问题是否足够可解释，以及预测能否对照现实的独立基准进行外部验证。一个有用的经验法则是：从能够合理解决该问题的最简模型出发，只有当存在令人信服的证据表明提升复杂性能够改善泛化——而非仅仅改善训练性能——时才逐级提升。3.2 ML 中使用的数据源 上述方法学上的区分，只有结合数据模态来考虑才有意义。在应用微生物学中，模型性能与可解释性不仅取决于算法选择，还取决于输入数据的类型、质量与标准化程度。基因组、转录组、蛋白质组、代谢组、成像、表型与环境输入各自捕捉微生物生物学的不同层面，在维度、噪声结构、注释质量与跨研究可比性上差异巨大。因此，某一策略的适用性与数据模态紧密相关，在某一类微生物输入上表现良好的技术未必能可靠地转移到另一类。 高通量组学数据集是微生物学 ML 中最常用的输入之一。基因组序列无论来自单个分离株还是整个群落，都可用于生物分类、功能预测以及临床或环境相关性状的识别。例如，基于 k-mer 的特征与 SVM 相结合，实现了基于 16S rRNA 基因序列的分类鉴定；应用于 metabarcoding 与宏基因组谱的监督学习则被用于预测环境生态状况并识别潜在的生物指示物种。 上述例子表明，输入模态约束了可采用的模型类别。扩增子或基因组序列数据通常被转换为 k-mer 或基因存在/缺失特征，这有利于 SVM 及其他高维分类器。metabarcoding 与宏基因组群落谱是成分性丰度矩阵，对生态状况预测与生物指示物种排序而言，基于树的或正则化的模型更为合适。覆盖 13 个数据集的比较性环境 metabarcoding 基准进一步表明，预处理与特征选择能够改变模型性能。转录组谱可将基因表达与微生物表型及生长相关性状联系起来。 蛋白质组与代谢组谱可支持菌株比较与生物标志物发现，但这类功能数据对批次效应、归一化策略与实验情境尤其敏感。因此，模型选择应遵循特征结构、样本量、预处理流程、噪声特征与验证目标，而非仅看数据集的生物学标签。比较性环境 metabarcoding 基准表明，预处理与特征选择能够改变模型性能。扩增子工作流程应通过去噪或纠错显式处理测序错误——DADA2 已经证明，对 Illumina 扩增子错误建模可以解析真实的序列变异并减少假阳性调用。可复现的微生物组流程还应记录质量过滤、嵌合体去除、分类学分配、特征过滤与归一化，QIIME 2 即为一例。对微生物组丰度矩阵而言，归一化还应考虑零膨胀、读深变异与成分性计数结构。 在功能层面，ML 工具也被开发用于直接从宏基因组 DNA 中检测目标基因，包括抗生素耐药决定子。转录组谱提供了额外的功能信息层，常用于识别样本分组或将表达模式与生长行为等表型性状联系起来。蛋白质组与代谢组数据同样已被用于生物标志物发现与菌株分类。 与此同时，这些输入带来了各具特点的分析挑战。基因组序列可能受组装质量不均、注释不一致与参考偏倚的影响，而转录组、蛋白质组与代谢组谱通常对批次效应、归一化策略与实验情境更敏感。这些数据集的高维性也会增加过拟合风险，使得细致的特征选择与严格验证在微生物学 ML 工作流程中尤为重要。多组学整合虽能提供更全面的微生物系统视图，但其价值在很大程度上取决于数据集协调、元数据完整性、批次效应校正、恰当的归一化以及可互操作的分析流程。近期的组学研究显示，批次效应会削弱可复现性与跨研究可比性，因此在下游 ML 分析之前必须进行批次感知校正。RNA-seq 数据集也需要兼顾计数结构与转录组大小效应的归一化策略。在微生物组丰度数据集中，CLR 变换是常用方法之一，因为群落谱稀疏、高维且属成分数据。若对标准化与数据复用缺乏更多重视，即使技术上强劲的 ML 模型也可能难以进行基准比较、复现或跨研究泛化。 这些模态特异的约束并不限于组学数据，也塑造着 ML 应用于视觉与表型微生物材料的方式。特别是，深度学习通过从显微与菌落图像中自动提取视觉特征，拓展了微生物图像分析。例如，基于 CNN 的模型可以在显微图像上训练以检测和分类微生物，应用包括识别血涂片中的细菌或区分琼脂平板上的菌落。这类系统能够提升通量与分析一致性，尤其是在人工读图耗时费力的场景，但已报告的性能取决于图像质量、注释策略、数据集规模以及训练与测试条件之间的相似度。因此，图像式 ML 模型在跨实验室、跨成像平台或跨染色方案应用而缺乏外部验证时，应审慎解读。近期的图像式微生物学研究说明了为何必须显式报告数据集规模与注释策略：在一个相差延时数据集中，来自单物种微流控陷阱的 3,396 段裁剪视频，借助荧光信号按四个细菌物种进行了标注；在一个临床革兰染色显微数据集中，1,705 张下呼吸道标本图像被人工标注了革兰阳性或革兰阴性球菌与杆菌的检测和分割标签。当模型复杂性相对样本量过高，或训练与测试数据不独立时，过拟合尤其可能发生。推荐的防护措施包括独立测试集、审慎的验证设计以及与更简单基线模型的比较。同样的逻辑适用于成像与表型数据集：当患者、菌株、培养板、场地或实验室等单元定义独立性时，数据划分应按这些单元进行。超参数应在最终测试前完成调优，最终测试集在最后一次评估之前应保持未动。图像模型通常并非要取代分子检测，而是与基因组或表型数据配合使用时最有价值，可补充形态学信息并支持更整合的微生物分析。 除组学与成像外，应用微生物学还会产生生长速率、代谢活性、胁迫耐受性或细胞形态等表型测量，以及温度、pH、营养状况与宿主状态等环境或宿主相关变量。这些变量既可作为输入特征、也可作为预测目标纳入 ML 模型。在此背景下，在基因组或群落特征之外加入环境参数，可以提升微生物生长或互作预测模型的准确性。大型表型筛选实验——包括跨菌株的多条件生长谱分析——已使用聚类与预测工具加以分析，以识别微生物响应中的模式。同时，表型与环境测量对实验设计、批次效应与变量选择通常较为敏感，无关或控制不良的特征会削弱模型稳健性并助长过拟合。当在标准化条件下采集并结合生物学情境解读时，这些数据有助于把分子特征与表型性状及生态系统功能联系起来，从而增强 ML 推断的生物学与应用相关性。这些数据特异性约束决定了 ML 在应用场景中的表现，以下各节将评估主要的微生物学用例。4. 应用微生物学中的应用4.1 诊断与病原体鉴定 机器学习在微生物诊断中的应用日益增多，用以加速并扩展基于基因组与表型数据的病原体鉴定，但其可靠性取决于数据质量、参考数据库覆盖度以及模型的验证方式。基于序列的模型可以分析基因组衍生特征——包括原始读段与 k-mer 谱——来分类细菌或病毒分类群，有时还能在同一工作流程中检测耐药相关标志。这些方法对高通量场景尤其有吸引力，但其实际价值取决于模型在独立数据集、未见过的菌株或训练集中代表性不足的分类群上是否仍保持准确。因此，诊断用 ML 应与既有的微生物学工作流程进行比较——包括培养鉴定、MALDI-TOF 质谱(MALDI-TOF MS)、靶向 PCR 与表型药敏试验——而不能只与其他计算模型比较。在此背景下，有用的基准应报告 ML 相对这些常规方法是否改善了周转时间、分类分辨率、耐药检测或流程可扩展性。 大规模基准研究既展示了这些方向的希望，也揭示了其当前局限。在一项大规模 MALDI-TOF MS 基准研究中，约 100,000 张谱图取自 2,000 余个菌株、1,000 余个细菌物种，在三个独立测试情景下评估物种鉴定。该研究没有依赖标准 k 折交叉验证，而是在菌株层面把全局数据集划分为训练、验证与测试集，确保测试集中的菌株未在训练中出现。这一设计使模型对未见菌株的性能得以评估；另一个独立的冻干保存数据集则测试了训练数据中已有菌株的生物重复。第三个附加的 TEST 数据集用于评估混合情景，同时包含生物重复、未见菌株以及训练集中不存在的物种，从而近似一个分布外鉴定问题，而非简单的库内分类任务。在这些条件下，模型对未见菌株的测试性能低于对已知菌株生物重复的测试性能，说明当相关谱图或菌株级重复在训练与测试之间共享时，标准验证会高估真实世界准确率。针对新物种检测，该研究进一步评估了基于不确定性的分布外检测——在一维卷积神经网络中使用蒙特卡洛 dropout，报告 AUROC 与精确率-召回率指标而非仅报告物种级准确率。因此，病原体鉴定基准不仅应报告总体准确率，还应报告数据划分单元、菌株重叠度、分类覆盖范围与独立测试集的构成。对参考数据库中缺失或代表性不足的生物的性能也应记录，并附带置信区间、不确定性估计或正式的统计比较。值得注意的是，一个使用数字全息与深度神经网络的 ML 驱动显微平台，在该实验设置下能在 9 h 内检测到低至约 1 CFU/L 浓度的细菌生长并完成物种鉴定，而标准培养约需 24 h。在盲测中，该系统在 7–10 h 内检出 90% 的菌落、12 h 内检出 >95%，7 h 后精确率为 99.2–100%，7.6–12 h 内正确物种鉴定率约 80%。 类似地，常规临床 MALDI-TOF MS 鉴定正被能够检测细微谱差异的 ML 模型所增强。这些方法可以改进属级或种级区分，某些情况下还能实现标准库比对可能遗漏的血清型或耐药相关表型的更精细分辨。即便如此，向常规诊断的转化需要的不仅仅是强劲的内部性能，还取决于标准化的样本处理、可复现的基准测试、与实验室工作流程的互操作、监管接受度，以及该模型相较于既有诊断流程具有附加价值的明确证据。综合来看，现有研究表明 ML 能在受控的实验或实验室条件下改进病原体鉴定，但支持常规临床部署的证据仍然有限。其诊断价值将取决于前瞻性多中心验证及与既有工作流程的基准比较能否证实速度、准确性或决策上的实质性改进，以及失效模式是否被充分理解以保障临床安全使用。4.2 AMR 预测 AMR 的蔓延激发了人们对 ML 作为耐药表型预测与抗微生物决策支持工具的浓厚兴趣。在这一领域，ML 尤其具有吸引力，因为耐药预测可以被框定为监督分类问题，使用与药敏试验(antibiotic susceptibility test, AST)结局相关联的基因组、转录组、蛋白质组或表型输入。由于耐药与敏感分离株在不同抗生素间常常分布不均，AMR 模型应报告类别均衡状况，并采用恰当的处理策略，如分层划分、类别加权、重采样或阈值调整。性能指标还应包括对不均衡不那么敏感的度量，如平衡准确率、macro-F1、灵敏度与特异度。一条主要技术路线利用 WGS 数据：以具有已知耐药表型的临床分离株基因组训练模型，学习基因组内容——包括突变、基因有无与 k-mer 特征——与药物敏感性之间的关联。与基于规则检测已知耐药基因相比，这类模型能够捕捉更复杂的关系，包括多个位点间的交互以及常规基因型-表型规则难以表达的耐药相关模式。 这类基于基因组的 ML 模型在策展良好的数据集中可表现出强劲的预测性能，一项针对鲍曼不动杆菌(Acinetobacter baumannii)的近期研究报告了跨多种抗生素 93–97% 的准确率，同时缩短了相对常规表型检测的报告时间。然而，这类数字需要审慎解读。就鲍曼不动杆菌而言，医院收集的菌株通常由少数几个成功克隆谱系主导，尤其当分离株来自单一机构或较窄的监测时段时。在这种条件下，亲缘关系接近的分离株可能同时出现在训练集与测试集中。模型看似高度准确，可能只是学到了该数据集中伴随耐药出现的谱系相关基因组背景，而非耐药机制本身。由此产生的性能既可能反映真实的预测信号，也同样可能反映群体结构与抽样设计。这种现象有时被称为谱系混淆(lineage confounding)，在 AMR 预测研究中很少被显式控制，而在鲍曼不动杆菌这类耐药可被克隆背景强烈结构化的物种中尤为突出。报告 93–97% 准确率的模型，在应对真正新颖的菌株或在不同流行谱系的机构间评估时，性能可能大打折扣。在方法学上，可以通过以下方式缓解这一问题：以考虑菌株亲缘关系、克隆谱系、机构来源或时间抽样的分层设计取代随机的分离株级划分。系统发育感知交叉验证——测试时将完整进化枝整体留出——尤为重要，因为它检验的是模型能否在遗传背景迥异的群体间泛化，而非识别相关分离株。在可行的情况下，评估还应纳入独立的医院、区域或国家级数据集，并对每种抗生素分别报告 AUROC、平衡准确率与性能下降。模型还应与简单的系统发育基线及基于规则的 AMR 预测器比较，因为这有助于判断算法是否在群体结构或已知耐药决定子之外提供了额外的预测信息。更有意义的基准是对真正外部分离株的前瞻性评估，而非对同一数据集做更精巧的分层切分，同时显式报告与训练数据的系统发育距离。 这一要求得到验证研究的支持：当评估超出随机分离株级划分时，AMR 预测性能可能下降。在一项跨大洲验证研究中，以英格兰E. coli基因组训练的模型在非洲数据集上测试，表现出抗生素特异的可转移性：环丙沙星的外部性能较差（准确率 50%）、头孢噻肟较差（准确率 45%），而氨苄西林保持较高（准确率 94%），说明泛化失败在不同药物间并不均匀。一项更广泛的基准分析还显示，达到 macro-F1 ≥ 0.9 的 ML 实验比例从随机划分下的 64% 降至系统发育感知划分下的 33% 与同源感知划分下的 25%。因此，随机划分下的高准确率应被理解为开发集估计，而非模型将在不同谱系、医院或地区间保持临床效用的证据。 应用领域 代表性基准证据 主要验证风险 更强的验证标准病原体鉴定 MALDI-TOF MS 基准：约 100,000 张谱图、>2,000 个菌株、>1,000 个物种。测试了重复菌株、未见菌株与训练中不存在的物种。 准确率可能落在参考空间之外。 未见菌株、稀有分类群与分布外测试。AMR 预测 覆盖 78 个物种-抗生素数据集的基准。随机、系统发育感知与同源感知划分下性能各异。 随机分离株划分可通过谱系重叠夸大性能。 系统发育感知、同源感知、机构级与区域验证。微生物组分类 覆盖 20 种疾病的跨队列疾病分类显示外部性能弱于队列内测试。 队列内 AUC 会高估可转移性。 结合统一预处理与元数据报告的跨队列测试。病毒学 COVID-19 预测评估显示跨疫情波次未能胜过简单基线。变异株更替也与性能退化相关。 时间漂移会削弱模型稳定性。 时间验证、变异株时期测试与简单基线比较。环境 metabarcoding 覆盖 13 个数据集的基准显示预处理、特征选择与数据集结构会改变性能。 本地预处理选择会塑造表观准确率。 独立场地测试与生态区域转移测试。工业生物过程 ML 发酵与过程优化研究大多局限于特定过程，跨菌株、底物、反应器或规模的测试有限。 实验室或场地特异性能未必可转移。 带运行基线的独立过程、场地与规模验证。 另一条重要策略是将 ML 应用于表型与蛋白质组数据——包括质谱指纹——以便在鉴定物种的同时推断耐药表型。例如，以细菌分离株的蛋白谱训练的算法可以支持抗生素耐药性预测，有望在同一工作流程中同时完成鉴定与推定药敏评估。一个突出例子是将基于随机森林的算法用于金黄色葡萄球菌(Staphylococcus aureus)的蛋白谱，在该研究场景中能够在常规鉴定过程中区分耐甲氧西林与甲氧西林敏感菌株。类似地，其他研究表明，质谱峰或相关表型特征的细微差异可用于将分离株归类为对特定药物耐药或敏感。这些发现表明，应用于蛋白质组指纹的 ML 可以拓展 MALDI-TOF MS 等常规平台的诊断价值，但已报告的性能仍高度依赖物种背景、数据集组成、谱图预处理与实验室特异的工作流程。因此，在单中心或单一物种研究中表现良好的模型，仍需更广泛的外部验证，才能被视为稳健的临床决策支持工具。可解释性同样重要，尤其是在预测可能影响早期治疗选择而缺乏确认性表型检测的情况下。蛋白质组与表型 ML 方法是基于基因组的 AMR 预测的有前景补充，但其对抗生素管理工作的贡献仍取决于跨中心验证以及相对于既有诊断流程附加价值的清晰证明。AMR 预测是微生物学 ML 中方法学结构化程度较高的领域之一，因为耐药表型通常可以在策展的分离株数据集中与基因组衍生特征及 AST 标签相关联。这应被理解为本综述框架内的定性评估，而非跨应用领域的正式排序。其实际就绪度仍受谱系混淆制约——当亲缘接近的分离株在训练与测试集间共享时，性能会被夸大。外部验证还表明，在一个地理环境中训练的模型向另一环境转移时表现不均。系统性基准测试进一步显示，AMR 预测性能与验证策略（随机、系统发育感知、同源感知划分）紧密相关。因此，临床部署将需要前瞻性验证、与既有 AST 工作流程的透明比较，以及预测在谱系、机构与地区间保持可靠的证据。 （见图3）4.3 病毒学 在病毒学中，ML 被应用于若干性质不同的任务，而非单一统一的问题。在病毒序列检测方面，ML 模型可以帮助在宏基因组或临床测序数据中识别分歧的病毒片段；在宿主预测方面，监督模型利用病毒-宿主关联或共演化特征推断可能的互作；在暴发建模方面，ML 已被用于分析疫情监测中的时间序列、流动、气候与干预数据。在讨论具体应用之前，有必要先说明病毒学为何给 ML 带来结构性差异的挑战。第一，病毒序列空间高度分歧且抽样不均，参考数据库在缺乏更广的分类与生态覆盖时始终不完整。第二，病毒分类体系不如细菌稳定，训练与评估所用的类别标签可能随病毒分类修订而改变。第三，病毒演化会在疫情期间挑战模型稳定性——COVID-19 预测评估中的时间性能衰减支持这一点。在一项对美国 CDC 预测模型的分析中，约三分之二的模型未能胜过静态病例基线，三分之一的模型未能胜过简单的线性趋势；预测误差也随疫情波次递增。西班牙的一项独立研究报告，当新的 SARS-CoV-2 变异株在训练后出现时，ML 预测模型发生退化，在 Omicron 相关时期尤为明显。第四，宿主预测数据集偏向于实验上可操作的病毒-宿主系统，许多互作未被抽样，或仅由不确定的负标签代表。策展数据集仅覆盖宏基因组调查所获病毒多样性的一小部分，而实验测试过的病毒-宿主对与真实序列空间之间的这一鸿沟，是模型训练与评估的结构性约束。 这些结构特征意味着，病毒学中的 ML 常常在比许多其他微生物学领域更大的不确定性下运行。因此，性能基准应报告时间验证、变异株时期测试以及与简单基线模型的比较。跨病毒学任务的评估还应按生物学终点标准化：病毒检测模型应报告灵敏度、精确率、片段长度、参考数据库覆盖度以及对未见病毒群的性能；宿主预测模型应报告灵敏度、特异度、精确率、假阳性率、宿主分类层级以及预测互作是否经实验验证；暴发预测模型应报告时间验证、校准以及与简单基线的比较。当病毒演化可能在训练后改变模型性能时，还应报告变异株时期测试。 深度学习模型如今与传统比对方法互补，用于在复杂样本中识别病毒序列。例如，DETIRE 采用两阶段架构：先将核苷酸序列切分为重叠的 3-mer 片段并用图卷积网络嵌入，再通过并行的 CNN 与双向长短期记忆网络(bidirectional long short-term memory, BiLSTM)路径处理这些嵌入以捕捉空间与连续序列特征，最后送入全连接层与 SoftMax 分类器进行病毒/非病毒标记。此外，作为从宏基因组中识别病毒序列的混合深度学习模型，DETIRE 能够比早期工具识别出更多长度不足 1 kb 的病毒序列。这表明 ML 可以捕捉基于相似性的方法可能遗漏的序列模式，尤其在参考同源性较弱时。然而，此类改进的实际意义取决于基准的构成、参考多样性、片段长度分布以及对真正未见病毒群的性能。与其他微生物学应用一样，强劲的内部性能并不必然保证跨样本类型或真实世界监测场景的稳健性。 除检测之外，ML 分类器还被用于把病毒归入更高级别的分类群，或在缺乏近缘参考基因组时预测可能的物种身份。这些应用很有前景，但仍受训练数据不均、病毒分类不确定性以及为缺乏既定真值的新病毒验证预测之困难的制约。因此，病毒学中的 ML 最有价值的定位是作为既定基因组与系统发育方法的补充，而非独立的替代。 机器学习也日益被应用于宿主-病毒互作预测——这一任务对理解病毒生态、噬菌体治疗与人兽共患风险意义重大。在此背景下，监督模型以已知病毒-宿主对训练，从病毒与宿主的基因组或共演化特征推断可能的互作。例如，一个名为 Virus-Host Interaction Predictor(VHIP)的 ML 框架，在 8,849 个经实验室测试的病毒-宿主对（含 6,079 个非感染对、375 个宿主物种、2,292 个病毒）上训练与测试，通过分析序列中的共演化信号预测噬菌体-细菌感染性，判定某一病毒能否感染某一微生物宿主物种的准确率约为 88%。这类结果凸显了 ML 在缩小实验测试搜索空间方面的潜力，尤其当新发现的病毒序列缺乏直接宿主注释时。因此，基于 ML 的宿主预测应用于生成假设、为实验验证排序候选宿主，而非作为感染性的结论性证据。假阳性预测在宿主-病毒推断中尤其重要，因为许多数据库的负互作数据并不完整。因此，宿主预测研究应在准确率之外报告精确率或假阳性率，尤其是当预测被用于确定噬菌体治疗、人兽共患风险评估或实验性宿主范围测试的优先级时。类似地，ML 方法还被应用于病毒与宿主细胞之间的蛋白-蛋白互作预测，有助于识别人类细胞中的病毒靶点或病毒劫持宿主的机制。 在公共卫生领域，ML 还被用于暴发建模与流行病学预测，尤其在 COVID-19 疫情期间——大规模时间序列、流动、气候与干预数据为模型开发提供了条件。这些模型被探索用于预测病例轨迹、识别传播动态转变以及为疫情再发提供预警信号。例如，监测病例轨迹变化的分类器在提示病毒传播将从稳定或下降趋势转向新一轮暴发波时，准确率超过 94%。随机森林与梯度提升模型同样被报道能在特定研究场景中提前约两周检测到新 COVID-19 暴发的开端。与此同时，流行病学预测对人类行为变化、干预政策、报告实践与时间漂移尤其脆弱，这些因素都会迅速削弱模型稳定性。因此，在某一暴发阶段或地理环境中表现良好的模型，未必能可靠地迁移到另一情境。更广泛地，ML 已与区室化流行病学模型整合以提升预测自适应性，图神经网络等技术也被探索用于刻画接触网络上的传播。 综上，病毒学在本综述评估的全部三个维度上均呈现结构性差异的特征。数据就绪度受参考数据库不完整与分类体系不稳定的结构性限制；模型适配度在不同任务间差异显著，暴发预测通常高于宿主预测；这种任务依赖性同样塑造了部署就绪度的失衡——流行病学监测比宿主推断或高新颖度病毒序列分类更接近常规使用。4.4 微生物组研究 微生物组数据集因能捕捉宿主相关与环境系统中的高维群落结构而日益广泛地用于 ML。在宿主相关微生物组中，ML 已被用于分类妊娠期疾病相关的肠道微生物组特征、支持面向癌症的精准医学，以及区分健康与疾病相关的人体微生物组状态。在土壤系统中，微生物群落组成已在不同土壤深度上与植物健康及农业管理相关联。在海洋与环境微生物组中，ML 已被用于预测海洋生态群落、从底栖细菌 16S rRNA 谱推断冷泉沉积物中烃类的存在，以及依据微生物群落组成检测沉积物中的 TNT 污染。此外，一项汇总 4,489 个样本的肠道微生物组数据荟萃分析显示，ML 分类器能够在各队列内部区分帕金森病患者与对照，判别性能中等（平均 AUC ≈ 0.72）。在覆盖如此多样本的荟萃分析中取得的 0.72 的 AUC，理应受到比其在微生物组文献中通常所受更为严格的审视。以临床诊断标准衡量，这一数值通常被认为不足以支撑一个独立的诊断工具。换言之，即使汇总了数千个样本，仅凭微生物组组成目前也无法以足够的可靠性区分帕金森病以供临床使用。此外，仅报告各队列内部而非跨队列的性能，可能掩盖有限的外部泛化能力。覆盖 20 种疾病的跨队列验证显示，肠道微生物组分类器在开发队列之外测试时常常损失性能。这种不稳定在生物学上是合理的：微生物组谱受宿主与环境变异塑造，而样本采集、DNA 提取、扩增与测序还会引入额外的技术偏倚。这个例子说明，帕金森病中可检测到的微生物组信号尚不足以确立可复现、特异且可跨临床场景迁移的生物标志物。恰当的结论不是微生物组 ML 前景黯淡，而是跨队列验证应被视为最低标准而非理想目标。对单一研究或队列匹配荟萃分析中报告的 AUC 数值，应以相应的谨慎态度解读。 在人类健康之外，ML 日益被用于将微生物组构成与环境条件及人为扰动相关联。在土地利用管理中，研究者将 ML 模型应用于土壤微生物组数据以预测耕作方式的差异。该研究表明，土壤细菌与真菌群落组成能够区分不同管理制度，包括肥料类型、耕作方式与覆盖作物使用。这类发现提示微生物组谱可作为环境管理的敏感指示器，尽管其解读仍受当地生态背景与抽样设计的影响。类似地，有研究利用 ML 从微生物组谱预测土壤健康指标（如养分含量或干旱相关变异），或依据微生物群落结构对环境样本进行分类（如污染场地与对照场地）。综合来看，这些应用表明微生物组 ML 能够揭示单一分类群方法难以捕捉的生态信号，但稳健的推断仍取决于细致的归一化、代表性抽样以及跨异质环境的验证。 ML 方法也日益被应用于海洋与海岸群落数据集，将群落组成与环境状况及生态系统扰动相关联。在这些环境中，微生物集群对温度、盐度、溶解氧可利用性、营养负荷与污染的变化响应迅速，使其成为数据驱动生物监测的有吸引力的对象。高通量 metabarcoding 与宏基因组调查提供了详细的浮游与底栖群落谱，可与环境梯度及生态质量指标相关联。在实践中，ML 模型已被训练用于将群落谱与富营养化、低氧及污染物暴露梯度关联，实现生境状态分类，如受损场地与对照场地的区分。硬骨鱼类的实验性肠道模型进一步刻画了养殖条件下膳食干预如何调节微生物群组成，提供了可补充基于 ML 的生物监测方法的群落级数据集。这些应用在常规监测劳动密集或高度依赖分类学专长的场景中尤其有价值。包括 RF 与梯度提升在内的集成方法已被用于识别与生态胁迫相关的分类群或扩增子序列变异。例如，应用于底栖 eDNA 数据的 RF 模型揭示了与水产养殖导致的有机负荷相关的细菌科。在这一方向上，应用于底栖 DNA 的监督机器学习产出了与既有大型底栖动物指数高度吻合的沉积物生态质量预测。这些发现提示，ML 能够捕捉群落组成与环境驱动因素之间的多变量非线性关系，从而补充、并在某些场景中部分超越基于形态学的评估。然而，这些模型的稳健性依赖于代表性抽样、预处理选择、区域校准以及训练与测试数据集的生态可比性。在一个海岸系统中检测到的群落变化未必能直接迁移到另一个系统，且高预测性能并不必然意味着被推断的指示类群在机制上具有信息量。因此，海洋微生物组 ML 最适宜被视作生物监测框架的有力补充，但仍需在异质环境中仔细验证，并与生态学解读更紧密地结合。 综合来看，这些应用表明微生物组 ML 能够揭示有意义的生物学信号，但数据就绪度仍受队列特异性与群落组成变异的限制，且由于持续的跨队列泛化失败，部署就绪度在大多数临床情境中仍然很低。4.5 工业与环境应用 机器学习在工业微生物学与环境管理中的应用日益增多，用以支持过程优化、预测与决策，但其效用取决于数据质量、过程稳定性与真实世界的可扩展性。在工业生物技术中，食品、生物燃料与药品的发酵过程会产生关于温度、pH、底物浓度与菌株性能等变量的大量数据。ML 模型可以利用这些数据预测发酵结果、识别与过程性能提升相关的条件，从而在一定程度上减少过程优化中素来依赖的经验试错。例如，食品工业的近期工作利用 ML 对酵母发酵中风味化合物的生产进行建模：通过在挥发性化学谱上训练，梯度提升决策树模型被用于预测不同发酵条件下关键香气化合物的浓度。这些结果值得放在其工业情境中解读。发酵数据集通常属于专有资产，这意味着在一家公司或一个研究环境中开发的模型，无法像临床基因组数据集那样日益便利地共享、汇集或与外部数据进行基准比较。这为 ML 在工业微生物学中所能取得的成就设定了一个独立于算法选择的结构性上限——因为再多的方法学精巧也无法弥补过于狭窄、过于过程特异或商业敏感性过高而无法外部验证的训练数据。在受控实验室发酵条件下预测香气化合物的梯度提升模型可能捕捉到了真实的生物学关系，但这些关系是否适用于不同的酵母菌株、反应器几何结构、底物批次或生产规模，已发表的研究很少涉及。这意味着大量工业 ML 文献仍更接近概念验证而非运行层面的证据。关于过程优化的主张，应以模型能否泛化到其开发条件之外来评判。这一领域的进展将更多取决于更有代表性的数据集、更强的外部验证以及能够在有限跨场地数据下跨过程迁移的方法，而非仅仅依赖更好的算法。 类似地，ML 模型已被用于从发酵数据预测啤酒的风味与香气结果，并通过整合 CO₂ 释放或光密度等传感器数据支持实时生物过程监测。然而，这两类应用同样受制于上述结构性约束。 在环境应用中，ML 正被用于支持污染物降解与生物修复研究。微生物群落在石油、杀虫剂与塑料等污染物的分解中发挥核心作用，ML 工具正被探索用于预测降解潜力并优化修复策略。一个新兴方向是从序列衍生的蛋白质特征、某些情况下结合结构分析来预测污染物降解酶。例如，ML 框架已被用于预测具有降解合成聚合物潜力的候选酶，从而缩小实验测试的搜索空间。这些方法有助于缩小实验测试的候选空间，但其实际价值仍取决于生化验证、底物特异性评估以及在环境相关条件下的性能。与其他应用领域一样，仅凭强劲的计算预测不足以支撑部署。 类似地，ML 模型还被探索用于支持选择与污染物降解（包括烃类及其他环境持久性化合物）潜在相关的细菌菌株或微生物群落。在此背景下，ML 主要用于整合序列、代谢或过程级信息，帮助为后续测试排定候选生物或修复策略的优先级，而非取代实验验证。在运行中的修复系统——包括废水处理与基于生物反应器的净化过程——ML 也已被应用于过程监测、性能预测与运行优化。近期研究表明，这些方法有助于识别与污染物去除或脱氮效率提升相关的过程条件，尤其在行为复杂且非线性的系统中。尽管如此，仅靠计算预测仍不充分，因为实际效用取决于在现实的场地特异性条件下的生化或运行验证，而不仅仅是强劲的计算机模拟或实验室性能。这些工具当前最有价值的定位是作为决策支持框架，与工程及微生物学专长互补，而非提供普遍可迁移的解决方案。在过程数据丰富且受控良好时，工业与环境应用在模型适配度上得分中等，但数据就绪度受专有性约束拖累，部署就绪度则受实验室概念验证与工厂级验证之间差距的制约（表2）。5. 与其他技术的整合 在考察了各个应用领域之后，还需要审视 ML 如何与产生微生物学数据的实验系统相耦合。ML 可以与拓展数据生成与实验能力的互补技术相结合。近年来的经验表明，这类整合不仅加速发现，还使以往不可行的分析成为可能，包括数据驱动的合成微生物设计、ML 引导的噬菌体工程以及快速的宏基因组暴发调查。然而，这些整合工作流程的价值取决于不断提升的实验通量是否伴随着充分的数据协调、元数据质量与跨平台模型验证。整合的一个关键领域在于多组学流程，涵盖肿瘤学、基于深度学习的数据融合、益生菌研究与人体微生物组分析。基因组学、转录组学、蛋白质组学与代谢组学各自产生反映微生物系统不同生物学层面的复杂高维数据集，ML 为从这些异质数据流中提取有意义的模式提供了计算框架。通过比对多个组学层面的信号，模型可以重建基因调控网络、识别共调控通路，并定位分析单一数据集时会遗漏的代谢瓶颈。整合方法如今能够更准确地预测代谢能力或致病潜力，例如将基因组背景与蛋白质组活性谱及代谢物丰度相结合。但在实践中，其性能随样本匹配、归一化策略、缺失数据与元数据完整性而变化。这些方法在微生物组研究中尤为有效——将代谢输出与底层群落组成相关联需要调和来自不同分子测量的信息——但当组学层稀疏或标准化不足时，跨研究泛化仍然受限。 实验室自动化的进步也强化了 ML 的作用。配备液体处理机器人、微流控与小型化培养系统的自动化平台，如今能够在精确控制下并行执行数千个实验。当这类系统与自适应学习算法配对时，便形成闭环循环（图4）——一轮实验的结果立即用于下一轮的实验设计。这一迭代过程显著缩短了优化发酵、酶生产或合成生物学构建体等微生物过程所需的时间。例如，贝叶斯优化算法已被整合进自动化液体处理系统以实时调整生长培养基组成，在极少人工干预的情况下提升了产量。即便如此，成功的闭环优化依赖于传感器可靠性、明确定义的目标函数与可复现的实验条件，而其在严格受控的实验室环境之外的可扩展性仍不那么明确。 （见图4） 高通量筛选技术提供了 ML 与实验微生物学紧密结合的另一个重要场景。微液滴培养与功能筛选等方法可以处理大量微生物菌株或群落，而单细胞测序工作流程产生需要专门生物信息学管理的高维数据集。在这些情境中，ML 可以协助优先级排序、模式检测与表型分类，尤其当输出的体量与复杂性超出人工评估能力时。应用包括在诱变文库中识别罕见的有益变异，以及在单细胞中检测异常的代谢或表型特征。从成像数据或生长动力学自动分类表型的能力，有助于降低大规模筛选中罕见但具潜在价值的观察被忽视的风险。这在酶发现与菌株工程中尤为重要，因为仅有极小比例的筛选变异表现出期望的活性或稳定性。 这种更宏观的整合还创造了把模型输出转化为实验决策的机会。例如，为生物修复或工业过程提出的微生物群落可以由 ML 模型在计算机中(in silico)设计，再经由机器人流程测试与改进。这类工作流程能在数据获取、模型预测与实验重设计之间建立迭代联系，使浩瀚的实验空间更易探索。然而，这些系统的有效性取决于可靠的数据采集、可互操作的平台以及在条件变化时保持稳定的反馈回路。因此，关于完全自主或“自驱动实验室”的主张应审慎解读——大多数现有系统在实验设计、质量控制与生物学解读上仍高度依赖人工监督。 总的来看，ML 与组学、机器人技术及高通量系统的耦合，正在把应用微生物学的能力拓展到远超人工实验的范畴。其主要价值在于支持更具适应性、由数据引导的工作流程，但这取决于测量平台、分析流程与下游实验控制之间的可复现整合。因此，这些技术不应仅仅被理解为自动化的来源，而应被视为微生物学研究向迭代范式更广泛转变的一部分——在这一范式中，预测、验证与实验改进日益紧密地联系在一起。6. 挑战与局限 尽管方法学近期取得了进展，ML 在微生物学中的实施仍持续遭遇重大挑战，制约着研究、临床、环境与工业情境下的稳健验证、可复现性与可靠部署。一个重要顾虑是用于训练 ML 模型的微生物学数据集的质量与一致性。有效的模型性能依赖高质量数据，然而微生物学数据集常常呈现独特的异质性来源。工作流程的可变性与定制化的数据处理会削弱数据密集型生物学的可复现性，而宏基因组监测研究表明，抽样设计、污染控制与分析流程选择会强烈影响微生物学推断。这些异质性来源不仅降低模型稳健性，也使数据集以不可比的方式生成、处理或注释时跨研究验证变得困难。 总体而言，基因组数据集会因测序深度、组装质量与注释标准的差异而大相径庭。类似地，通过高通量测序生成的微生物组谱可能受 DNA 提取、扩增与测序步骤的偏倚影响。这类偏倚会在模型中传播并降低预测可靠性。当微生物学数据集缺乏关于样本处理、环境条件或实验室操作的详细元数据时，可复现性挑战会被进一步放大。因此，微生物学 ML 的进展不仅取决于更大的数据集，还取决于统一的协议、更丰富的元数据采集以及对 FAIR（可发现、可访问、可互操作、可重用）数据原则更强的遵循。缺乏这类标准化时，即使内部性能强劲的模型也可能无法跨研究泛化，或无法在真实世界环境中支撑可信部署。跨研究验证还受工作流程设计、宏基因组抽样与处理策略以及元数据完整性差异的进一步限制。ML 模型本质上从其训练数据集的分布中学习，而这些分布常常并不反映应用微生物学中遇到的全部生物多样性或真实世界条件。例如，临床微生物学数据集经常过度代表来自特定地理区域或医院环境的某些病原体或耐药表型，这可能限制模型在更广泛、更多样的患者群体中的预测准确性。类似地，微生物组研究往往具有队列特异性——在一个群体中训练的模型，在其他群体的微生物组谱上测试时表现不佳。因此，应对这些偏倚不仅需要更大的数据集，还需要更有代表性的抽样、更清晰的数据来源记录以及跨独立群体与环境的分级评估。 可解释性是另一个关键挑战，尤其是对深度神经网络这类以所谓“黑箱”方式运行的模型。在微生物学应用——特别是诊断、AMR 预测与临床决策支持中——利益相关方通常不仅需要准确的预测，还需要对模型决策的机制性洞见或解释。许多 ML 算法的不透明性会因此限制信任、临床接受度与监管采纳。例如，利用复杂模型从基因组或蛋白质组数据预测抗生素耐药性可以达到很高的准确率；但如果这些模型无法清晰指出起作用的遗传决定子或生化通路，临床应用就会变得困难。当前的可解释 ML 方法——包括注意力机制与特征重要性分析（在更广泛的文献中统称为 XAI，但此处的方法是 ML 特异的）——显示出前景，但在微生物学中仍在演进且标准化不一致。这一问题已不再停留于理论层面：近期研究已将可解释 ML 框架应用于肠道微生物组疾病分类与 AMR 预测流程，展示了这些方法如何使模型输出更接近具有生物学意义的解释。即便如此，许多当前的 XAI 方法仍属事后(post hoc)分析，被模型突出显示的特征究竟反映因果的微生物学机制还是仅反映训练数据中的相关模式，仍不总是清楚。这一区分至关重要，因为生物学解释所需的不止是特征归因。ML 模型标记出的分类群、基因、k-mer、谱峰或图像特征，应被视为候选机制，直到经过实验测试或得到独立生物学证据支持。在 AMR 预测中，这可能需要把预测位点与已知耐药基因、突变、表达变化或实验证实的药敏变化联系起来。在微生物组研究中，疾病相关分类群应通过纵向数据、干预研究、菌株水平分析或代谢物测量加以评估，然后才能推断其因果角色。类似的谨慎也适用于诊断成像或 MALDI-TOF 工作流程——模型关联的视觉或谱学特征应尽可能映射回可识别的细胞结构、蛋白质或表型。因此，弥合可解释性鸿沟对于建立信任、推动监管批准并促进 ML 工具的临床整合仍然不可或缺。 标准化分析流程与计算框架的缺失构成另一重障碍。ML 方法在微生物学中的快速扩散，导致计算工具与数据处理流程碎片化，各自的验证水平、易用性与互操作性参差不齐。研究者经常为特定数据集或问题开发定制流程，使跨研究比较与验证变得困难。这种碎片化阻碍了可复现性、验证与标准化工作，因为使用不同预处理方法或 ML 模型的研究无法直接比较。此外，缺乏就模型性能报告与评估达成的共识标准，使方法有效性、稳健性与泛化能力的评估复杂化。这些问题同样限制真实世界部署——无法在标准化条件下复现、进行基准比较的模型，难以在临床、环境或工业工作流程中获得信任。这一领域的进展因此不仅取决于开放科学，还取决于与 FAIR 原则一致的数据格式、元数据标准与评估框架的更好协调。虽然推动开放科学、标准化工作流程与流程基准测试的倡议正在兴起，但这些努力在微生物学中仍处于起步阶段，必须加以强化才能充分收获 ML 的益处。 综合来看，这些挑战表明本领域需要更好的数据集质量与元数据完整性、更有代表性的抽样、可复现的基准测试实践、更强的可解释性，以及能够支撑跨研究比较与部署的标准化工作流程。克服这些挑战需要跨学科协作，包括微生物学家、计算生物学家、生物信息学家与临床医生的共同投入。唯有通过这种协调努力，才可能推动微生物学中的 ML 从有前景的概念验证研究走向稳健、可迁移且可常规使用的工具。7. 结论与未来展望 ML 与应用微生物学的整合为解读日益复杂的微生物数据集创造了新机会，但其影响在各应用领域间仍不均衡。AMR 预测是结构化程度较高的应用领域之一，因为策展的基因组-AST 数据集为模型开发提供了更清晰的标签。但其部署仍受谱系混淆、外部可转移性不均、前瞻性验证不完整与监管整合不确定的制约。诊断与病原体鉴定处境类似：对代表性充分的分类群模型适配度高，但外部验证与工作流程整合仍存在持续缺口。 微生物组应用呈现另一番图景。受队列特异性、群落组成变异与元数据不一致的影响，数据就绪度常常不佳；鉴于文献中反复记录的跨队列泛化失败，部署就绪度在几乎所有临床情境中都很低。病毒学在结构上另具特点——其制约不在努力不足，而在于病毒序列空间的根本性不完整与病毒分类体系的不稳定，这意味着仅靠扩大数据集无法解决核心挑战。工业与环境应用在过程或生态数据集丰富且受控良好时展现出较强的模型适配度，但数据就绪度受专有约束、场地特异性以及实验室概念验证与真实世界可扩展性之间差距的限制。 综合来看，这一格局表明微生物学 ML 的进展障碍并非跨领域一致，也不应被当作一致来对待。病毒学与微生物组研究将从更大的数据集中获益最多；AMR 与诊断将受益于更清晰的部署框架与监管路径；工业应用则受益于数据共享与迁移学习。一个承认这些领域特异性瓶颈的全领域战略，比仅围绕算法创新组织起来的战略更可能取得进展。未来进展应以可衡量的里程碑来评估。基准研究应报告数据集规模、分类广度、地理来源、验证划分策略以及从内部到外部测试的性能损失。模型还应与简单基线及既有实验室工作流程比较，而不仅与其他 ML 算法比较。面向临床、工业或环境应用的研究应至少纳入一个在开发环境之外生成的独立验证数据集。可复现性应通过尽可能发布代码、预处理步骤、元数据字段、训练好的模型与版本化数据集来保障。 监督学习、无监督学习与深度学习方法如今已常规性地支持病原体检测、AMR 预测、病毒监测、微生物组分析与工业过程优化。但许多 ML 模型的可解释性仍然有限，阻碍了其在临床与监管情境中的采纳。实现与 FAIR 原则对齐的数据实践的潜力，不仅需要开放数据存储，还需要对元数据标准、版本化基准数据集与跨机构验证基础设施的协调投入。缺乏这些，即使设计良好的模型也将难以在开发情境之外复现或获得信任。归根结底，微生物学中 ML 的未来，将取决于本领域能否有效地从概念验证研究迈向经过验证、可迁移且情境感知、可在常规使用中获得信任的工具。 作者： Rares A. Barcan, Simone Carradori, Francisca Samsing, Ngoc-Loi Nguyen, Lisheng He, Yong Wang, Alexandru S. Barcan