在过去的十年中，科学家在理解自然共存于人体中的细菌和病毒群在某些重要功能(例如消化，代谢甚至抵抗疾病)中起着重要作用方面取得了巨大进步。但是，了解它们的工作方式仍然是一个问题。

德雷克塞尔大学的研究人员希望通过高通量基因测序和自然语言处理计算机算法的巧妙结合来回答这个问题。他们的研究最近发表在《PLOS ONE》杂志上，报告了一种分析RNA中编码的新方法，该编码可以描述人类微生物群落并揭示其运作方式。

关于人类微生物环境(或微生物组)的许多研究都集中在识别所有不同的微生物物种上。微生物群相关疾病的治疗方法的萌芽是在微生物组失衡或变异是诸如消化不良或克罗恩氏病等健康问题的根源下进行的。

但是要正确纠正这些失衡，对于科学家而言，重要的是要对患病地区以及整个人体中存在的微生物群落有更广泛的了解。

我们真的才刚刚开始了解微生物群对健康的影响。在许多方面，科学家没有完全了解这些微生物群落的样子，它们的流行程度以及它们的内部结构如何影响它们在人体中的直接环境，就跳入了这项工作。”

Gail Rosen博士，Drexel工程学院副教授，论文作者

罗森(Rosen)领导着大数据Drexel生物发现中心，这是一组研究人员，他们一直在应用算法和机器学习来帮助破译近几年来可用的大量基因测序信息。他们的工作和在全球范围内的类似努力已将微生物学和遗传学研究从湿实验室转移到了数据中心-创造了一种用于研究生物相互作用和进化的计算方法，称为宏基因组学。

在这种类型的研究中，可以解释对遗传物质样本(DNA或RNA)的扫描以揭示可能存在的生物。Rosen小组提出的方法通过分析遗传密码来发现重复发生的模式又向前迈进了一步，这表明某些有机体群(在这种情况下为微生物)如此频繁地被发现，这并不是巧合。

罗森说：“我们称这种方法为'主题基因组学'，因为我们正在寻找微生物群落中重复出现的主题，这些主题是共同存在的微生物群的指标。”“人体中存在着成千上万种微生物，因此，如果考虑可能存在的所有分组排列，您可以想像，确定哪些微生物彼此生活在一起是一项艰巨的任务。我们的方法将模式识别算法用于该任务，从而节省了大量时间，并消除了一些猜测。”