近日，苏州大学癌症研究院周哲敏教授团队在国际顶尖微生物学术期刊《柳叶刀－微生物》（Lancet Microbe）在线发表了题为“From microbiomes to predictive ecosystems： challenges and opportunities in artificial intelligence－based approaches”的综述论文。
该综述首次系统提出了“Predictive Ecosystem（预测生态系统）”这一概念框架。作者指出，随着人工智能技术与微生物组学研究的深度融合，微生物学正逐步突破传统“观察—描述—关联”的研究范式，迈向“预测—干预—设计”的新阶段。未来研究不仅能够解析复杂微生物生态系统的组成与功能，更有望实现对微生态动态变化的前瞻性预测以及理性调控，从而推动精准医学、疾病防治和健康管理领域的发展。
论文首先回顾了人工智能与微生物组学两大学科的发展历程。从20世纪90年代高通量测序技术推动微生物组时代的到来，到近年来深度学习、大语言模型以及生成式人工智能的快速突破，两条原本相对独立的发展轨迹正在深度交汇。作者认为，海量、多维且高度复杂的微生物组数据为人工智能提供了重要应用场景，而人工智能持续增强的数据解析与知识发现能力，则为破解微生物生态系统复杂规律提供了前所未有的机遇，一场由数据驱动、智能赋能的新型学科变革正在加速形成。
围绕这一背景，论文系统梳理了人工智能在微生物学研究全链条中的应用进展。从测序数据处理、基因组组装与分箱、可移动遗传元件识别，到病原体鉴定、病毒发现与溯源分析；从代谢网络重建、群落动态预测，到蛋白结构解析、蛋白互作网络构建以及新型抗菌分子的发现，人工智能正在重塑微生物学研究的技术体系与研究范式。特别是在复杂生态系统建模方面，人工智能展现出整合多源数据、捕获高维关联以及预测系统动态变化的独特优势，为构建可预测、可解释、可干预的微生物生态模型奠定了重要基础。
随后，论文进一步将研究视角拓展至微生物与人类健康领域。作者指出，人体微生物组不仅是重要的健康调控因子，更是连接环境、宿主与疾病的重要桥梁。借助人工智能技术，研究人员得以从更高维度解析微生物生态网络结构，揭示微生物与宿主免疫系统之间复杂而精细的互作机制，并挖掘具有临床价值的微生物标志物。在此基础上，通过整合多队列、多中心以及多组学数据，人工智能有望突破传统研究中样本量和群体差异带来的限制，推动微生物研究从关联性分析向机制解析和因果推断进一步深化，为疾病早期筛查、风险预测和个体化干预提供新的理论依据与技术路径。
在展望未来发展的同时，论文也深入讨论了当前人工智能驱动微生物研究所面临的关键挑战，包括数据异质性显著、跨研究结果可重复性不足、模型可解释性有限、因果推断能力仍待提升，以及数据隐私保护与算法公平性等问题。针对这些挑战，作者提出应建立更加统一和开放的数据标准体系，推动可解释人工智能与因果人工智能的发展，将生态学理论与机器学习模型深度融合，同时加强联邦学习、隐私计算等新型技术应用，促进人工智能技术和微生物组资源在全球范围内的公平共享与协同创新，从而真正实现人工智能赋能微生物科学并服务全球人类健康的目标。
苏州大学附属第二医院俞莞茜为论文共同第一作者；苏州大学周哲敏教授为该论文共同通讯作者。该研究得到了新发与重大传染病防治科技重大专项、国家自然科学基金、国家生物药技术创新中心人才项目、江苏省自然科学基金、苏州市顶尖人才团队项目等多项资金的资助支持。该研究的发表标志着苏州大学在人工智能与微生物组学交叉研究领域取得重要进展，也彰显了学校在数智医学、精准健康和微生态科学前沿方向的持续创新能力。未来，研究团队将继续推动人工智能与生命科学的深度融合，为构建面向疾病防控与健康促进的新一代微生物研究体系贡献苏大力量。
