BDPM：一种基于机器学习的特征提取器，用于通过肠道微生物群分析进行帕金森病分类

背景：帕金森病仍然是一种主要的神经退行性疾病，误诊率高，主要原因是依赖临床评定量表。最近的研究表明，肠道微生物群与帕金森病之间存在强关联，提示微生物组成可能作为一种有前景的生物标志物。尽管基于肠道微生物群的深度学习模型显示出早期预测的潜力，但大多数方法依赖单一分类器，并且常常忽视菌株间的相关性或时间动态。因此，迫切需要针对微生物组数据定制的更稳健的特征提取方法。方法：我们提出了BDPM（一种基于机器学习的特征提取器，用于通过肠道微生物群分析进行帕金森病分类）。首先，我们收集了39名帕金森患者及其健康配偶的肠道微生物群谱，以识别差异丰度的分类群。其次，我们开发了一个名为RFRE（结合递归特征消除的随机森林）的创新特征选择框架，整合生态学知识以增强生物学可解释性。最后，我们设计了一个混合分类模型，以捕捉微生物组数据中的时间和空间模式。