IF= 13.4| 当eDNA遇上机器学习法

近日，凌恩生物客户重庆医科大学在《Water Research》（IF= 13.4）发表研究论文“Supervised machine learning improves general applicability of eDNA metabarcoding for reservoir health monitoring”。该研究主要介绍了一种基于eDNA的机器学习方法，具有广泛的适用性，可用于生物监测，评估水库的健康状况。

传统的生物监测方法存在许多局限性，如：采样和鉴定困难、难以监测微小生物、难以监测季节变化。建立有效和标准化的监测方法对于水库的成功恢复和管理至关重要。环境DNA（eDNA）宏条码测序为生物监测提供了一种很有前途的选择，并可以克服传统形态学生物评估的许多局限性。本文提出了一种基于eDNA的机器学习方法，该方法通过综合评估水库的物理化学和生物指标，开发了一种新的生物完整性指数（Me-IBI），该指数整合了多种营养相互作用和环境信息，可以克服许多传统生物监测方法的局限性。本文详细介绍了该方法的实施过程，包括样本采集、数据分析和模型建立等步骤，为大规模、标准化的生物监测应用奠定了坚实的基础。

图1 研究采样点

本文研究了三峡水库的水质评估和生态系统健康监测。作者采用了多种方法，包括单因素污染指数和水质指标测定法、eDNA测序法、生物信息学分析、以及机器学习方法。开发了一种基于eDNA的指标（Me-IBI），用于评估水库生态系统的健康状况。结果表明，Me-IBI比物理化学评估更能区分三峡水库的实际健康状况，比较了不同机器学习方法在预测Me-IBI时的性能，即使只有少量的特征，不同的SML算法也可以建立稳定的模型，并获得优异的预测性能。同时探讨了人类活动和营养状况对Me-IBI的影响。最后，提出了一种基于eDNA和机器学习的标准化健康监测方法，可用于监测河流-水库生态系统的健康状况。

图2 三峡水库健康状况综合评价

(a)根据《中国地表水环境质量标准》（GB3838-2002），采用单因素污染指标法（SFPI）对水质进行评价。(b)两个季节TGR 14个采样点（平均±标准差值）计算WQI的变异和健康分类。两个季节TGR 14个采样点（平均±标准差值）计算的Me-IBI的(c)变异和健康分类。(d)根据SFPI、WQI和Me-IBI对两季水质健康评估结果的比较。

图3 Me-IBI对大坝(a)、WQI (b)、营养状况（PC1表示，c）和人类分布（PC1表示，d）的响应。非线性多项式回归包括95%CI（阴影区域）的WQI（二次）和营养（立方）。线性回归包括人类分布中的95%CI（阴影区域）。

图4 使用随机森林进行特征筛选

（a）确定预测两个季节水库健康状况的所有特征。（b）通过5次重复10次交叉验证确定重要特征的数量。（c）核心特征的确定交叉出现在重要特征下100个重复。

图5 随机森林（RF）和支持向量机（SVM，具有四个核技巧）模型在预测TGR中的Me-IBI时使用三个特征数的预测性能。实际和预测的Me-IBI值之间的线性值r2值，测量实际和预测的Me-IBI值之间的差异，以及测量实际和预测的Me-IBI衍生健康状态之间的一致性的kappa值在箱线图上表示。

图6 使用不同的算法获得的最好的预测模型与三个特征数。获得的参考Me-IBI值绘制在横轴上，而通过无分类法数据获得的预测值绘制在纵轴上。彩色的矩形代表离散的质量分级，从蓝色的“优秀”到红色的“差”。灰色点表示来自训练数据集的预测，而红点表示来自测试数据集的预测。

参考文献

Supervised machine learning improves general applicability of eDNA metabarcoding for reservoir health monitoring. Water Research, 2023.

原文链接

Doi.org/10.1016/j.watres.2023.120686