TaxoMFM: A Taxonomy-Aware Foundation Model for the Human Gut Microbiome
作者: Haochen Xue, Anastasia Godneva, Yulong Li, Qi Cao, Zhaodong Wu, Kaiyu Liang, Jionglong Su, Eran Segal, Imran Razzak
分类: cs.LG
发布日期: 2026-10-29 (更新: 2026-10-30)
备注: 19 pages, 4 figures. The first three authors contributed equally
💡 一句话要点
提出TaxoMFM以解决肠道微生物组模型的分类层次问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 肠道微生物组 自监督学习 分类层次 模型泛化 生物信息学
📋 核心要点
- 现有的肠道微生物组模型使用平面分类表示，无法充分利用分类层次结构，限制了模型的表现。
- TaxoMFM通过将分类结构融入自监督学习，联合学习丰度模式和相对比例，提升了模型的表达能力。
- 在多个任务中，TaxoMFM展示了优越的性能，尤其在跨队列零样本迁移中取得了显著的AUROC值。
📝 摘要（中文）
现有的肠道微生物组基础模型通常采用平面分类表示，限制了其利用已知分类层次的能力。本文提出TaxoMFM，一种将分类结构整合到自监督学习中的微生物组基础模型。TaxoMFM通过分类感知编码和层次组合重建，联合学习不同分类级别的丰度模式及组内相对比例。我们进一步构建了TaxoGut-HPP，包含来自231个源队列的100,806个肠道微生物组样本，涵盖40个分类和8个回归任务。TaxoMFM在疾病、肠道健康、宿主特征和肝脏超声表型预测中表现出竞争力。跨队列零样本迁移中，TaxoMFM在结直肠癌、2型糖尿病和炎症性肠病的AUROC分别为0.838、0.736和0.722。进一步分析表明，TaxoMFM能够恢复不同分类尺度的群落变化，同时保持群落信息，并在数据库更新和物种词汇变化下生成一致的表示。
🔬 方法详解
问题定义：本文旨在解决现有肠道微生物组模型在分类层次利用上的不足，现有方法无法有效捕捉分类结构对模型性能的影响。
核心思路：TaxoMFM的核心思路是将分类结构整合到自监督学习中，通过分类感知编码和层次组合重建，提升模型对微生物组数据的理解和预测能力。
技术框架：TaxoMFM的整体架构包括数据预处理、分类感知编码、层次组合重建和模型训练四个主要模块。数据预处理阶段负责收集和整理微生物组数据，分类感知编码模块则将分类信息嵌入到特征表示中，层次组合重建模块用于重建微生物组的层次结构，最后通过训练优化模型参数。
关键创新：TaxoMFM的关键创新在于其分类感知编码和层次组合重建方法，这使得模型能够在不同分类层次上进行联合学习，显著提升了模型的泛化能力和预测准确性。
关键设计：在模型设计中，采用了特定的损失函数以优化分类感知编码的效果，并设计了多层神经网络结构以支持层次组合重建，确保模型在处理复杂微生物组数据时的稳定性和一致性。
🖼️ 关键图片
📊 实验亮点
TaxoMFM在多个任务中表现出色，特别是在跨队列零样本迁移中，结直肠癌、2型糖尿病和炎症性肠病的AUROC分别达到了0.838、0.736和0.722，显示出其强大的泛化能力和预测性能。
🎯 应用场景
TaxoMFM的研究成果在医学、公共卫生和生态学等领域具有广泛的应用潜力。通过提高肠道微生物组数据的分析能力，该模型可以帮助研究人员更好地理解微生物组与人类健康之间的关系，推动个性化医疗和疾病预防策略的发展。未来，该模型还可以扩展到其他生物组数据的分析中，促进生物信息学的进步。
📄 摘要（原文）
Existing gut microbiome foundation models typically use flat taxon representations, limiting their ability to exploit known taxonomic hierarchies. We introduce TaxoMFM, a microbiome foundation model that integrates taxonomic structure into self-supervised learning. TaxoMFM jointly learns abundance patterns across taxonomic ranks and relative proportions within groups through taxonomy-aware encoding and hierarchical compositional reconstruction. We further construct TaxoGut-HPP, comprising 100,806 gut microbiome profiles from 231 source cohorts and covering 40 classification and 8 regression tasks. TaxoMFM achieves competitive performance across disease, gut health, host trait, and liver ultrasound phenotype prediction. In cross-cohort zero-shot transfer, where target cohorts are excluded from both pretraining and downstream adaptation, TaxoMFM achieves AUROCs of 0.838, 0.736, and 0.722 for colorectal cancer, type 2 diabetes, and inflammatory bowel disease, respectively. Further analyses show that TaxoMFM recovers community changes across taxonomic scales, while preserving community information and producing consistent representations under database updates and species-vocabulary shifts. Our code is available at https://anonymous.4open.science/r/TaxoMFM-F16D/.