Growing evidence shows that microbes in human body and body surface play critical roles in the development of many human diseases. Predicting the underlying associations between diseases and microbes is essential for deeply understanding the pathogenesis of diseases. However, biological experiments to find the relationship between microbes and diseases is usually laborious and time-consuming, which presents the need for effective computational tools. In this study, we propose a computational model of node-information-based Link Propagation for Human Microbe-Disease Association prediction (LPHMDA) to prioritize disease-related microbes. LPHMDA and 3 popular methods including KATZHMDA, PBHMDA, and LRLSHMDA were implemented and compared on the Human Microbe-Disease Association Database (HMDAD) based on cross-validation. As a result, LPHMDA achieved an AUC of 0.9135 in leave-one-out cross-validation (LOOCV), outperforming those of the 3 compared methods. In addition, the performances of LPHDMA on the 3-fold CV, 5-fold CV and 10-fold CV were also better than those of the other 3 canonical methods, further demonstrating its superiority. Finally, we took colorectal carcinoma, asthma and obesity as case studies. Interestingly, 9, 9 and 8 of the top 10 novel microbes predicted by LPHMDA to be associated with the 3 diseases respectively could be confirmed by literatures, providing potential disease-associated microbes for further experimental validation. In summary, LPHMDA is an effective method for prioritizing disease-associated microbes.

中文翻译：

---

利用基于节点信息的链接传播方法优先考虑人类微生物疾病关联

越来越多的证据表明，人体和体表中的微生物在许多人类疾病的发展中起着至关重要的作用。预测疾病与微生物之间的潜在关联对于深入了解疾病的发病机制至关重要。然而，寻找微生物与疾病之间关系的生物实验通常既费力又费时，这就需要有效的计算工具。在这项研究中，我们提出了一种基于节点信息的链接传播计算模型，用于人类微生物疾病关联预测（LPHMDA），以优先考虑与疾病相关的微生物。LPHMDA 和包括 KATZHMDA、PBHMDA 和 LRLSHMDA 在内的 3 种流行方法基于交叉验证在人类微生物疾病协会数据库 (HMDAD) 上实施和比较。因此，LPHMDA 在留一法交叉验证 (LOOCV) 中实现了 0.9135 的 AUC，优于 3 种比较方法。此外，LPHDMA 在 3 倍 CV、5 倍 CV 和 10 倍 CV 上的性能也优于其他 3 种经典方法，进一步证明了其优越性。最后，我们以结直肠癌、哮喘和肥胖症为案例研究。有趣的是，LPHMDA 预测的与 3 种疾病相关的前 10 种新型微生物中的 9、9 和 8 种分别得到了文献证实，为进一步的实验验证提供了潜在的疾病相关微生物。总之，LPHMDA 是一种对疾病相关微生物进行优先排序的有效方法。LPHDMA 在 3 倍 CV、5 倍 CV 和 10 倍 CV 上的性能也优于其他 3 种经典方法，进一步证明了其优越性。最后，我们以结直肠癌、哮喘和肥胖症为案例研究。有趣的是，LPHMDA 预测的与 3 种疾病相关的前 10 种新型微生物中的 9、9 和 8 种分别得到了文献证实，为进一步的实验验证提供了潜在的疾病相关微生物。总之，LPHMDA 是一种对疾病相关微生物进行优先排序的有效方法。LPHDMA 在 3 倍 CV、5 倍 CV 和 10 倍 CV 上的性能也优于其他 3 种经典方法，进一步证明了其优越性。最后，我们以结直肠癌、哮喘和肥胖症为案例研究。有趣的是，LPHMDA 预测的与 3 种疾病相关的前 10 种新型微生物中的 9、9 和 8 种分别得到了文献证实，为进一步的实验验证提供了潜在的疾病相关微生物。总之，LPHMDA 是一种对疾病相关微生物进行优先排序的有效方法。LPHMDA预测的与3种疾病相关的前10种新型微生物中，分别有9种和8种被文献证实，为进一步的实验验证提供了潜在的疾病相关微生物。总之，LPHMDA 是一种对疾病相关微生物进行优先排序的有效方法。LPHMDA预测的与3种疾病相关的前10种新型微生物中，分别有9种和8种被文献证实，为进一步的实验验证提供了潜在的疾病相关微生物。总之，LPHMDA 是一种对疾病相关微生物进行优先排序的有效方法。