會員登入
註冊
黃耀廷：AI助mNGS釐清具病因意義病原體 幫助不明緊急感染症及早介入
(圖片來源:主辦單位提供)
黃耀廷說明，宏基因體次世代定序(mNGS)是一種極高靈敏度的技術，它是一種不依賴培養、假設自由的診斷方法，但其臨床效用常受限於採樣部位特異性的污染、組織特異性的定殖、宿主免疫狀態、既往抗生素暴露，以及病原體本身的系統性偏差，因此在去除汙染與干擾的步驟上需格外小心，才能應用在臨床場域的準確診斷。
黃耀廷指出，mNGS在不同檢體類型與病原體之間的定序圖譜存在高度複雜性，也可能受到時間、病原體、醫院場域與宿主層級的影響，進而使得傳統上以陰性對照(negative control)為基礎的過濾方法變得不可靠，也因訓練資料稀缺而限制了機器學習的應用。
因此，黃耀廷研究團隊建立了一套可持續更新、具分層設計的知識庫，依據檢體類型、宿主因子與病原體特異性偏差，建模背景微生物的分布。團隊將大型語言模型(LLM)與統計校準層(statistical calibration layer)結合，用以區分真正具病因意義的病原體與背景微生物，並透過約束LLM的非決定性行為，產生可解釋的分類結果。
此外，研究團隊也開發出一套AI代理(agentic AI)，整合傳統微生物學檢驗、放射影像、病人病史與mNGS圖譜，生成能反映臨床情境的診斷報告，並應用在臺大醫院一位葉克膜(ECMO)患者出現急性呼吸窘迫症候群(ARDS)，以及高醫附醫一位突發性語言困難患者的案例，他們在危急狀況下先接受mNGS檢測、及時得到醫療介入而脫離危機。
黃耀廷表示，研究團隊現在也正與高醫、北榮、三總等醫學中心合作，透過跨越合作收集可供訓練的數據，嘗試將影像、檢驗數據、mNGS與已發表的學術文獻一同整合，發展多代理(multi-agent)的感染輔助診斷系統，以更貼近臨床醫師的實際思考流程。
吳育瑋：泛基因體+機器學習特徵選擇演算法 預測細菌抗藥性
(圖片來源:主辦單位提供)
吳育瑋表示，針對全球抗生素過度使用、細菌抗藥性(AMR)危機浮現的趨勢，過去已有研究指出，全基因體定序(WGS)難以做為預測細菌AMR基因的工具，因此他們積極投入以演算法整合各種細菌基因、建構出的細菌泛基因體(pan-genome)，並據此開發一套機器學習特徵選擇方法，以更好地預測AMR基因。
此外，吳育瑋強調，他們希望打造的是一套可解釋(explainable)的機器學習系統，而不是「黑盒子」，因此如果發現小型模型運作已經足以和複雜的大型模型匹敵，便不會繼續擴大資料規模，而是善用小型模型可解釋性更高、運作更有效率的優點。
吳育瑋研究團隊，已經運用細菌與病毒生物資訊資源中心(BV-BRC)的公開資料，從基因層面，系統性彙整了四組細菌的泛基因體，以找出與AMR表現高度相關的基因，並提升對抗微生物AMR的預測能力。
在第一階段中，他們運用交叉驗證特徵篩選(Cross-Validated Feature Selection)，預測、篩選出最小且具代表性的基因集合，將潛在AMR基因從將近100個範圍縮小到30個；第二階段則利用多次重複、尋找交集的整體演算法(ensemble algorithm)，將潛在AMR基因縮到少於10個，更便於進行後續的基因功能分析。
不過，吳育瑋分享，根據演算結果，不是每個運算出來的基因都屬於已知功能基因，也有一些基因具有可動性(例如轉座子)，甚至是好幾個基因之間產生協同效應，共同促成AMR。
劉勃佑：知識導向多體學揭腸道菌生態互補效應 模型導向助分析動物疫苗成效
(圖片來源:主辦單位提供)
劉勃佑表示，多體學(multi-omics)整合提供了一套強而有力的策略，可用來闡明微生物群落的生態與功能原則，而多體學在微生物體中，又分成兩種互補的研究策略，分別是建立在既有的生物學關係與理論基礎之上的知識導向(knowledge-based)，以及透過統計或機器學習，在不同體學層級之間推論潛在結構的模型導向(model-based)。
劉勃佑在演講中，各分享了這兩種方法的研究實例。在知識導向上，劉勃佑團隊在一項大鼠腸道共生菌群的代謝與生態角色互補研究中，發現大鼠腸道菌群可分為兩個在功能上截然不同的次群落，分別是以纖維素分解為主的菌群，以及一個由大腸桿菌(E. coli)主導的群落，兩者在代謝上展現出互補，並透過交換碳水化合物與胺基酸的中間代謝物，以達到系統平衡。
劉勃佑表示，這種分工模式與演化學上「黑皇后假說」(Black Queen Hypothesis)相符，也就是群體中的生物選擇性放棄某些高成本的生理功能，轉而依賴群體其他成員提供的服務，進而節省自身能量資源，突顯出代謝互賴關係在穩定微生物共生體中的關鍵角色。
在模型導向上，劉勃佑的研究團隊應用了非監督式學習(unsupervised)的多體學因子分析(MOFA)框架，整合16S擴增子(16S amplicon)資料與代謝體學資料，以評估抗雞球蟲症口服疫苗的成效。
劉勃佑表示，該研究模型成功整合了各種多體學資料庫，並揭示感染所誘發的致病性轉變、與疫苗相關的有益菌群恢復，以及以鞘脂(sphingolipid)為代表的關鍵代謝標誌，說明了模型導向的多體學策略，在強化生物學推論與探索生物標誌的價值。
(報導 / 吳培安)
