描述微生物群落的代谢特征，对于理解其生物学功能及其对宿主或环境的影响至关重要。从微生物组成预测代谢组学图谱的计算方法，可节省实验代谢组学图谱所需的大量工作。然而，目前仍缺少一种具有高预测能力、普遍适用性和高可解释性的计算方法。近日，美国哈佛医学院刘洋彧及团队在Nature Machine Intelligence发表最新研究Predicting metabolomic profiles from microbial composition through neural ordinary differential equations，基于最先进的深度神经网络模型，通过神经常微分方程（mNODE）来预测微生物的代谢组学特征，在模拟和真实数据中，性能优良，是研究微生物组-饮食-代谢组关系的有力工具，有助于未来精准营养的研究，值得关注。
