华中大 宁康团队AS：首个微生物组通用大模型MGM，开启微生物组分析“Deepseek”时代

微生物组研究面临数据异质性和批次效应等挑战，传统方法难以捕捉跨研究、跨环境的通用模式。本研究旨在开发一种专为微生物组设计的通用人工智能模型，以解决上述问题。华中科技大学宁康团队提出了MGM（微生物通用模型），这是首个面向微生物组分析的大规模预训练基础模型。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，采用创新的排序值编码将微生物丰度数据转化为离散Token序列。结果表明，MGM在群落分类任务中平均ROC-AUC达0.99，全面超越传统方法；在跨区域IBD诊断中展现强泛化能力；能有效捕捉婴儿肠道发育的时序动态；在胃肠道肿瘤诊断中实现0.97的宏平均ROC-AUC。此外，MGM具备生成逼真微生物群落的能力，并通过“微生物组图灵测试”。该模型为解决数据整合难题提供了新思路，在无创诊断、环境监测等领域具有广阔应用前景。