一种新的计算建模方法使用在人的肠道中发现哪种类型的微生物的快照来预测微生物群落将如何随时间变化。该工具由加利福尼亚大学洛杉矶分校Halperin实验室的Liat Shenhav，Leah Briscoe和Mike Thompson以及以色列Ben-Gurion大学Mizrahi实验室的同事开发，在PLOS Computational Biology上展示。

在人的肠道中发现的微生物的类型和相对量可以反映并影响他们的健康状态。了解这种微生物群落组成如何随时间变化可以提供关于健康和疾病的关键见解。然而，目前尚不清楚一个人肠道在某一特定时刻的微生物群落组成决定其未来构成的程度。

为了解决这个问题，Shenhav及其同事开发了微生物群落时间变异线性混合模型(MTV-LMM)，这是一种模拟肠道微生物组成时间变化的新方法。在针对实际数据进行测试时，新工具可以比以前为同一目的开发的其他模型做出更准确的预测。

研究人员随后使用MTV-LMM展示了对微生物组动态的新见解。例如，他们证明，在婴儿和成人中，根据社区的早期观察，确实可以准确地预测肠道微生物组群落组成。他们还将该模型应用于39名婴儿的数据，并显示了肠道微生物组随时间变化的9个月左右的关键变化。

展望未来，MTV-LMM可用于探索疾病背景下肠道微生物组的时间动态，从而改善诊断和治疗。它还可用于理解其他类型的时间微生物组过程，例如在消化过程中发生的过程。

“我们的方法提供了多种方法上的进步，但这仍然只是冰山一角，”Shenhav说。将来，她和她的同事将致力于进一步提高模型的预测准确性并探索其他应用。“对微生物组的时间行为进行建模是一个基本的科学问题，在医学和其他方面具有潜在的应用。”