MPDR：基于机器学习的个性化膳食

MPDR 项目详解

项目概述

MPDR (Machine Learning-based Personalized Dietary Recommendations) 是一个基于机器学习的个性化膳食推荐框架，旨在通过饮食干预来调节肠道微生物组，以促进人体健康。

核心思想

该框架的核心思路是：

1. 隐式学习饮食-微生物交互关系：通过训练机器学习模型，使用来自人群队列的配对肠道微生物组和膳食摄入数据
2. 预测微生物组成：训练好的模型可以预测给定物种集合和膳食摄入的微生物组成
3. 优化膳食推荐：通过解决优化问题，为个体生成定制化的膳食建议

---

项目结构

MPDR/
├── code/
│   ├── MPDR_simulated_community_test.py  # 模拟群落测试脚本
│   ├── MPDR_train.py                      # 模型训练脚本
│   └── MPDR.py                            # 实际数据膳食推荐脚本
├── data/
│   ├── train/                             # 训练数据集
│   ├── test/                              # 测试数据集
│   ├── DMAS_*.csv                         # 真实数据集 (DMAS)
│   └── DMAS_p_disease_desired.csv
├── results/
│   ├── MPDR_train/                        # 训练结果
│   └── MPDR_test/                         # 测试结果
├── MPDR_model.pt                          # 预训练模型
├── README.md
└── LICENSE

---

核心算法

1. 模型架构 (DietMicrobiomeMLPConcat)

class DietMicrobiomeMLPConcat(nn.Module):
    # 输入: 饮食特征 + 当前微生物丰度 (拼接)
    # 输出: Dirichlet alpha 参数
    def __init__(self, diet_input_dim, microbe_output_dim, hidden=256):
        in_dim = diet_input_dim + microbe_output_dim
        self.mlp = nn.Sequential(
            nn.Linear(in_dim, hidden),
            nn.Linear(hidden, microbe_output_dim),
        )

• 输入: 饮食向量 + 当前微生物组成向量 (拼接后)
• 输出: Dirichlet 分布的 alpha 参数
• 激活: Softplus + 数值裁剪保证稳定性

2. 损失函数 (Masked Dirichlet Loss)

def masked_dirichlet_loss(pred_alpha, true_abund, mask, eps=1e-6):
    # 对存在的物种计算 Dirichlet 负对数似然
    dist = torch.distributions.Dirichlet(alpha)
    nll = -dist.log_prob(true)
    return nll.mean()

• 使用 Dirichlet 分布 建模微生物组成的概率分布
• 通过 mask 只对存在的物种计算损失

3. 膳食优化 (DMAS 梯度下降)

def optimize_diet_for_target(model, prev_micro_start, target_micro_end, init_diet):
    # 最小化预测终点与目标微生物组成的 Bray-Curtis 距离
    loss = bray_curtis(pred_end, target_micro_end).mean()
    loss.backward()  # 反向传播梯度

• 优化目标 : 最小化预测微生物组成与目标组成的 Bray-Curtis 距离
• 梯度下降: 使用 L-∞ 范数归一化的梯度步进

---

数据说明

训练数据 (train/)

文件	描述
train_p_healthy.csv	健康状态的目标微生物组成
train_z_healthy.csv	健康状态的基线微生物状态
train_q_healthy.csv	健康状态的饮食矩阵
train_p_disease_desired.csv	疾病状态的目标微生物组成
train_z_disease.csv	疾病状态的基线微生物
train_q_disease_random.csv	初始膳食（用于优化）

测试数据 (test/)

模拟不同参数下的合成数据用于验证框架

---

使用方法

1. 模拟群落测试

python MPDR_simulated_community_test.py \
    --p_train ./data/test/p_healthy_0.1_0.01_0.2_0_5_1.csv \
    --z_train ./data/test/z_healthy_0.1_0.01_0.2_0_5_1.csv \
    --q_train ./data/test/q_healthy_0.1_0.01_0.2_0_5_1.csv \
    --p_target ./data/test/p_disease_0.1_0.01_0.2_0_5_1.csv \
    --z_start ./data/test/z_disease_0.1_0.01_0.2_0_5_1.csv \
    --q_start ./data/test/q_disease_perm_0.1_0.01_0.2_0_5_1.csv \
    --out_dir ./results/test --tag MPDR_test

2. 真实数据膳食推荐

python MPDR.py \
    --model_path ./MPDR_model.pt \
    --z_start ./data/DMAS_z_disease.csv \
    --q_start ./data/DMAS_q_disease_random.csv \
    --p_target ./data/DMAS_p_disease_desired.csv \
    --out_dir ./results

---

关键参数

参数	默认值	说明
--epochs	1000	训练轮数
--lr	1e-2	学习率
--mb	20	Mini-batch 大小
--diet_steps	400	膳食优化步数
--step_size	0.05	梯度步长
--early_stop	30	早停耐心值

---

输出结果

• diet_recommendations_*.csv: 个性化膳食推荐
• pred_endpoints_*.csv: 预测的微生物终点
• train_loss_*.csv: 训练损失曲线
• val_loss_*.csv: 验证损失曲线
• best_model_*.pt: 最佳模型检查点

---

技术亮点

1. Dirichlet 分布建模：适合组成型数据（微生物丰度）
2. Masked Loss：只对存在的物种计算损失
3. 梯度优化膳食：端到端可微分
4. 数值稳定性：NaN/Inf 处理、梯度裁剪
5. 可替换数据集：支持用户自定义数据