正在目前的泥土壮健框架和数字农业发扬中，通过采用微生物组和ML法子，或动作简单举措，或与更成熟的举措相团结，能够更彻底地管理这些题目。

　　泥土壮健是囊括一系列支撑农业生态体例贸易和生态价格的生物、化学和物理泥土性格。 监测泥土壮健须要一套所有的诊断法子，而常例领悟的本钱也许较高。泥土微生物群落供应了相闭泥土性格的音信来历，能够通过高通量、低本钱的体例实行领悟。本讨论评估了随机丛林(RF)和扶助向量(SVM)回归和分类模子正在预测泥土壮健、垦植状况和泥土纹理的12项目标方面简直凿性，这些目标来自16S rRNA基因扩增数据和联系的样本集。

　　本讨论正在独立数据集上验证了最优发扬模子的有用性，而且测试了用于呆板练习的微生物组数据治理的最优法子。泥土壮健目标能够从微生物组数据中预测，用于分类评估的最优模子Kappa值为0.65，数值分数R2值为0.8。生物壮健评级比化学或物理评级能更好地预测。对独立数据集的验证剖明，模子囊括产量正在内的泥土性格具有日常的预测价格。正在最高分类阔别率下陶冶的模子被阐明是最确凿的，但因为正在更高分类级别上的稀少、稀少过滤和聚集会导致精度吃亏。本讨论为欺骗微生物诊断拓荒评估泥土壮健的技巧供应了基本。

　　正在(A)中，用于泥土壮健和微生物组领悟的农田泥土的地舆身分。(B)是基于泥土细菌群落构成的呆板练习模子预测的12个泥土壮健目标。正在(C)中，概述了利用分歧微生物群落特搜集为泥土壮健目标创修分类和回归模子的呆板练习办事流的示妄思。正在(D)中，本讨论的三个局部试验:(1)确定微生物组数据的最佳治理，(2)确定能够从微生物组预测哪些土

　　对陆地标准上的北美农田泥土实行侦察，网罗泥土壮健和微生物组数据，用来评估基于细菌群落构成的ML分类和回归模子预测精度(16S rRNA基因侦察)。因为每个壮健目标的评级散布分歧(图S1;外S3)，样本不是匀称散布正在各个壮健种别里的(外S2)，是以Kappa统计量用来比力分类简直凿性。本讨论开始评估了微生物组数据的常睹预治理环节对SVM和RF分类和回归模子机能的影响(图1D)。咱们评估了读取深度归一化(细化、累积和缩放或比例)、稀少过滤(过滤和可是滤)和分类解析(分歧分类级别序列计数数据的聚集)对模子机能的影响。正在之后的领悟中利用了机能最好的扶植。

　　按分类等第的读取深度准则化和聚集对模子预测简直凿性有明显影响(图2)。欺骗纯化到匀称深度的归一化进程明显消浸了分类和回归模子简直凿性(外S4)。正在较低的分类阔别率下的模子也彰着不确凿(图2；外S4)。然则，通过排序深度比较例计数实行归一化(比例缩放或累积乞降缩放)对ML算法或特搜集两者的模子精度均没有明显影响(外S5)。日常来说，正在较小的特搜集上的模子精度较低(图3AB)，这与稀少化和稀少过滤导致的分类音信和特点总数的吃亏相对应(外S4)。模子精度正在利用较大特搜集(未过滤、属的比例或ASV)的模子之间没有明显不同。

　　基于ASV的模子发扬最好，只管正在相当数目的实例(17%)中，基于属的比例模子比相应的基于ASV的模子发扬得更好。正在交叉验证时间，这些模子的回归精度明显低于测试阶段(外S6)，这正在分类模子中没有调查到。 ML算法的有用性和机能因职分分歧而异，此中SVM正在壮健种别分类方面好于RF，而RF正在基于回归的评级预测方面好于SVM(图2)。正在比力低的分类学阔别率下，SVM(ANOVA；Fcategory=342；Frating=122)精度吃亏比RF(ANOVA；Fcategory=40；Frating=41；外S4)更彰着。

　　RF和SVM模子正在交叉验证和测试阶段(即过频)之间简直凿性没有明显不同。

　　因为陶冶中利用的特搜集的读取深度归一化、过滤和分类阔别率的类型而导致分歧扶助向量(SVM)和随机丛林(RF)模子正在预测满堂壮健种别(A)或壮健等第(B)时简直凿性。SVM模子正在壮健分类中优于RF，而RF模子正在回归中发扬更好。每个点都对应于一种特殊的微生物分手陶冶的模子。分类等第间的明显不同用带星号的条流露：*(p0.05)、**(p0.01)、***(p0.001)。每个等第内的数据集之间的两两明显不同用字母流露(p0.05)。

　　正在(A)中，当倒霉用过滤和利用基于比例的归一化法子(而不是稀少化)时，特搜集巨细正在最高分类阔别率时最大。正在(B)中，正在更大的特搜集上陶冶的模子出现了更高的精度(R 2 )，这正在SVM回归模子中壮健等第趋向的预测中很彰着。正在(A)和(B)中，单位格通过递增的值被涂成绿色，声明了特搜集巨细和精度之间的对应闭联。正在(C)中，基于分类的扶助向量和基于回归的RF模子对陶冶数据和测试数据的破裂不同，预测精度的蜕变幅度正在10%以上，发扬出最大的改变性。正在(D)中，RF和SVM算法的陶冶期间有很大的分歧，前者须要两周以上的期间来告终最大的特搜集。

　　对基于微生物组ML模子的机能实行了评估，评估了12个壮健目标，囊括垦植强度、泥土质地和泥土DNA(图1B)。基于上述结果，本讨论利用了ASV或属级其余微生物组数据，并按比例归一化，不实行稀少过滤。与基于RF的分类法子比拟，扶助向量的机能更好，筹算量更低，以是被特意用于分类(图3D和2)，然则两种算法都被用于回归模子的修模。 全部模子正在预测壮健种别和评级方面发扬优良，稀少是正在生物目标方面，最佳模子的Kappa值为0.65，R2值为0.8(图4；整个数据睹图S2)。全部模子都到达了方向目标或泥土性格最高的Kappa值和R2值(外S7)。

　　模子正在非靶向目标上有肯定水平简直凿性，稀少是正在生物目标中，有5个模子到达R2简直凿性，其他非靶向生物目标R2≥0.4(外S7)。ACE卵白模子对活性碳的脱靶精度稀少高(R2=0.66)和总壮健评分(R2=0.57)。

　　正在壮健种别方面，基于分类的模子的预测精度比基于回归的ML预测精度高(x‾kappa=+0.14)(图S3A)。看待正在泥土壮健界限中心的种别来说因果预测是最牢靠的(图S3B)。回归模子预测的等第界限比监测到的更窄，SVM捉拿的界限(82%)比RF的宽(74%)(外S8)。确凿度与监测界限之间没有联系性(r=0.1；p=0.59)，和预测界限之间也没有联系性(r=0.08；p=0.67)。

　　图4. 对基于ASV的模子预测壮健种别(A)和壮健评级(B)以及泥土质地、垦植和DNA产量简直凿性实行排名。

　　(A)显示SVM模子的分类结果，(B)显示RF的回归结果。基于SVM的回归结果睹图S2。钾和微量元素的模子精度低(未显示)，后者因为适用性和预测界限有限而被拂拭不才逛领悟以外(外S8)。

　　从预测精度的蜕变来看对模子机能功绩最大的ASV特点，单个ASV的情形除外。拂拭个人的ASV会变成分类精度(均匀0.04%)比回归精度(0.003%)的消浸幅度大。正在基于RF的回归模子中，拂拭个人的ASVs会导致以这种体例查验的大局部ASVs简直凿性略有消浸(0.01%)。拂拭个人ASVs后，确凿度消浸幅度更大(≥0.2%)，这些类群(n=1320；占ASVs总数的19%)被以为是“主要的特点”(外S9)。有主要特点的ASVs正在本讨论网罗的样本中映现的比例(x‾=13%；最大=97%；最小=1.7%)比全部其他ASVs(x‾=4.5%；最大=72%；最小=1.7%)的比例大。

　　生物壮健目标正在主要功用上重迭较众(21%)，而物理目标中则重迭较少(12%)，化学目标中没有重迭。预测总体壮健等第的主要特点正在ACE卵白和活性碳模子中也被以为是主要的(图5A)。泥土质地和有机质有良众合伙的主要特点，微生物生物量(DNA和呼吸)和聚会安靖性目标也有合伙特点。预测壮健等第的ASV最主要的特点(图5B)和满堂壮健等第的相对丰采的彰着趋向是相对应的(图5C)。

　　图5. 当拂拭测试数据时，那些导致确凿度消浸大于0.2%的ASV被确定为主要的ASV。

　　主要的ASV正在壮健目标模子之间共享。正在(A)中，这些相仿性用树枝状图流露，树枝长度对应于按照主要特点的存正在/缺失筹算出的Bray-Curtis分歧隔绝。叶子的颜色是由壮健胸襟等第决断的。正在(B)中，正在基于RF模子总的壮健等第预测中，最主要的ASV的排名。每一个ASV的最低扶助的分类学分类(g_：属，f_：科，o_：目，c_：纲)沿y轴摆列，条柱是以门秤谌着色。正在(C)中，正在(B)中显示了扫数种别中三个最主要的ASV的相对丰采趋向。统计学不同基于两两Kruskal-Wallis检查(p0.05)。

　　欺骗两个独立讨论的微生物组和泥土壮健数据对模子的机能实行了交叉验证。正在第一个数据齐集，搜罗马斯格雷夫农场(纽约奥罗拉)的大田泥土和微生物组数据(n=21)，这一局部数据是讨论垦植和掩盖作物对泥土壮健的影响。马斯格雷夫泥土细菌群落中或许20%的ASV也映现正在本讨论的北美界限数据齐集(n=1200/6800 ASV)。SVM和RF模子可预测众种壮健目标(R2=0.25-0.35)，壮健等第确凿性最好(图6A)。

　　比拟之下，输入随机摆列的数据的模子确凿性欠好。最初测试数据中确定的小局部主要特点对马斯格雷夫农场壮健等第的预测确凿性也很主要(SVM=18，RF =70 ASVs；图6B)。相反，用随机摆列的数据输入的模子没有确凿性(好比R2不明显，数据未显示)。最初测试数据中确定的一局部主要特点对马斯格雷夫农场壮健评级(SVM=18，RF=70 ASVs；图6B)和其他目标(外S10)的预测确凿性也很主要。

　　然后，本讨论欺骗山地牧场经管履行与泥土壮健闭联的微生物组数据(n=198)对模子实行交叉验证(外S1)。这局部数据集包括泥土pH值、呼吸、有机质、钾、分泌性、紧实度和产量(吨⋅ha-1⋅年-1)等音信。

　　本讨论盼望欺骗基于微生物群落的ML模子的联系CASH目标来预测牧场泥土性格的不同。正在牧场讨论和数据网罗中，常睹的ASV的比例很大(2800/6800 ASV；41%)。正在预测泥土pH值和产量时模子有较好简直凿性(R20.3)，预测呼吸、有机质和钾含量时模子确凿性较低(R20.2)，正在预测穿透性、压实性或诱导呼吸时该模子不行确凿预测(外S11)。基于随机摆列数据，SVM和RF模子的假阳性率阔别为0和5%(即R20和p0.05)。与马斯格雷夫农场的预测(图6A)比拟，模子的精度正在相对狭小的界限内消浸(图6C)。是以，本讨论困惑是一组相对较小的共享特点驱动了模子机能的蜕变。

　　本讨论正在全部牧场产量预测模子中确定了21个主要的ASVs(外S12)，基于这个“最小集”的预测比利用完备的微生物组数据预测时简直凿性更高(图6C)。正在预测产量方面，最小集对基于生物目标的模子比力主要，基于壮健等第模子的预测产量和监测产量有彰着联系性(图6D)。最小齐集各样群的总相对丰采与产量数据联系(r=0.45；p0.001)，为模子精度的基本供应了依照(r=0.16；perm=9999)。

　　利用来自两个独立讨论的微生物组数据实行交叉验证的基于ASV的模子的机能：马斯格雷夫农场讨论(A和B)，利用无别的泥土壮健目标，以及牧场讨论(C和D)，利用好似的泥土性格。正在(A)中，SVM和RF回归模子或许预测马斯格雷夫农场泥土的壮健等第，固然准确度很低，但很明显。y轴标签流露正在陶冶回归模子时利用的壮健目标。正在(B)中，壮健等第是最确凿的预测目标，但SVM或RF模子的测试集和马斯格雷夫农场集之间共享的主要特点很少。线形图案超过了SVM模子之间的重迭(宽点)和RF模子之间的重迭(窄点)。正在(C)中，利用21个主要特点的子集时SVM和RF回归模子或许预测草地产量(吨⋅ha-1⋅年-1)，且精度更高。正在(D)中，散点图声明了正在泥土壮健评级陶冶的SVM模子中输入最小集时，预测和观测的牧草产量之间的闭联。

　　本讨论描画了细菌群落的众样性、匀称性和构成，为阐明模子的机能供应了靠山基本。本讨论领悟时利用的泥土是从美邦大陆和加拿大的农田中网罗的，代外正在泥土壮健检测步骤中常例治理的随机样本。泥土群落构成闭键因地舆区域而分歧(R2=0.59；p0.001)、垦植强度(R2=0.026)、泥土质地(R2=0.011)和壮健品种(R2=0.006；图7；外S13)。壮健级别高的泥土微生物群落的体例发育相仿性比壮健级别低的泥土微生物群落更众(图7C)。

　　两组之间的Shannon的众样性和Pielou匀称性没有明显不同(图7D)。正在泥土壮健种别中，微生物群落构成的大局部蜕变是化学性子阐明的(r=0.28；p0.001)，其次是生物学性格(r=0.16；p0.001)、物理性子(r=0.09；p=0.002)。就个别而言，ACE卵白、活性碳和有用磷的等第阐明了群落构成的最大蜕变(R2阔别为0.04、0.02和0.02；外S13)。

　　图7. 正在alpha和beta众样性的丈量中揭示了用于陶冶ML模子的泥土微生物组数据的异质性水平。

　　细菌(n=598)发扬出相对较低的聚类水平，正在t-SNE转换排序时，细菌群落闭键因地舆身分(A)而分歧，正在较小水平上，壮健等第(B)也分歧。正在(C)中，基于Unifrac隔绝，壮健种别内的微生物群落的体例发育相仿性水平分歧。正在“万分高”种别内的微生物群落比其他种别的体例发育相仿性更大，而正在“低”种别内的微生物群落，均匀而言，比其他种别的微生物群落的体例发育相仿性更小。(D)中，按照Shannon众样性指数，分歧壮健种别间微生物群落α众样性不同不明显。

　　本讨论剖明，基于联系的样本集，16S rRNA基因测序的音信(“微生物组数据”)能够预测泥土壮健。ML模子正在预测生物壮健目标方面博得了相当高简直凿性，ML模子的陶冶集范畴适中，囊括代外地舆、垦植体例和泥土类型广博不同的各类泥土。因为大陆标准的微生物组数据可变性较高，是以地舆泥土来历的变异(R2PERMANOVA)比泥土壮健等第的变异众100倍，以是这愈加引人夺目。

　　交叉验证剖明，正在大陆标准数据集上陶冶的模子能够正在景观标准上预测单个农场的趋向，然则预测精度较低。

　　本讨论欲望，区域标准预测模子或整体作物体例模子的发扬对升高预测精度有助助。本讨论结果剖明，欺骗微生物菌群-ML技巧，只需丈量一次就能获取相闭泥土壮健处境的音信。

　　模子预测简直凿性正在很大水平上取决于壮健目标。模子可对全部泥土壮健等第实行预测，每种物理(有用水分容量)、化学(P)和生物(ACE卵白)级别中起码有一个最佳预测目标。然则，预测生物目标的模子平常会更好，预测化学和物理目标的模子发扬得更差，这声明微生物群落的预测本领存正在不同(图4；图6AC)。

　　微生物组数据能够确凿预测某些物理性格，好比泥土质地和垦植强度，但这些素质上不是壮健目标，能够通过其他体例确定。

　　然则，聚会体安靖性或硬度等物理目标更难用微生物组数据评估。应提防的是，预测微生物生物量和活性(即DNA产量和呼吸)的模子正在聚会体安靖性方面有肯定简直凿性，并且有很众主要特点(图5A；外S7)。聚会体的安靖性受到微生物生物量和活性的影响比力紧张，这剖明有也许会进一步订正发扬不佳模子。 基于微生物组ML预测的大大批生物目标简直凿性剖明，泥土微生物组能够动作众种壮健目标的合伙分母。

　　ACE卵白等第是预测泥土壮健最确凿的目标(均匀R2=0.77)。ACE卵白模子也能够预测活性碳和壮健等第(R2阔别为0.66和0.57)，这三个目标都有良众主要的特点(即ASVs对模子简直凿性功绩最大；图5A)。

　　ACE卵白是测定泥土不溶性、难溶性卵白质含量的目标，能够预测对氮矿化率。活性碳与泥土碳的颗粒体例相仿。这些模子简直凿性反应了细菌领悟者正在获取不溶体例有机物时相仿的合适性，并指出正在与泥土有机质质料联系的微生物组中，泥土满堂壮健处境越发彰着。这一调查结果与壮健目标归纳侦察的结果划一，该侦察出现，活性碳是大大批泥土壮健目标的最佳简单预测目标。生物模子的一般确凿性夸大了某些壮健目标也许是众余的。

　　本讨论盼望的微生物组是基于众样性和区别性特点(囊括分歧的代谢和存在对策)，欺骗如许的微生物组来预测古板的泥土壮健举措。大大批对模子确凿性主要的ASVs属于特点不彰着的未分类或候选群体，这局部了推测模子正在生态基本上的本领。然则，对预测总体壮健等第最主要的是ASVs，这些被划分正在与泥土属性联系的泥土壮健种别中。比如，少许最主要的特点被归类为氨氧化亚硝基，这剖明其壮健等第较低(图5C)，声明泥土的肥力紧张依赖矿质肥料。

　　另外，剖明壮健评级较低的其他ASVs(图5C；外S9)，好比被审定为Pyrinomonadaceae的细菌，这是正在有机质含量低的半干旱泥土中出现的一组嗜热酸杆菌(thermophilic Acidobacteria)，又有与退化农业泥土联系的马赛菌属(Massilia)群体。固然对这些闭联高出了咱们讨论界限，然则这些例子揭示出模子机能背后的各类生态音信，并剖明ML法子能够助助揭示特定类群与泥土壮健之间的闭联。 正在ASV级别解析的微生物组数据前进行模仿时，模子发扬最好(图2)。然则，大大批ASVs(90%)对模子机能的功绩很小。

　　对模子机能有巨大影响的成分(即主要特点)大局部存正在于三倍以上的样本中，并且还能够预测众种壮健目标，或许41%影响一个以上目标简直凿性。主要ASVs的非特异性也许反应了壮健目标的彼此闭联和泥土微生物的庞大生态，这也许是众种彼此干系的泥土性格的目标。值得提防的是，颠末CASH壮健目标陶冶的模子或许预测牧场经管的产量音信(图6D)。

　　CASH壮健目标和长久作物产量之间的闭联依然被阐明，ACE卵白和活性碳等第是两个最强的联系成分。和这个结果划一的是，预测ACE卵白和活性碳的微生物群落正在预测牧场产量方面也是最确凿的(图6C)。另外，迩来正在讨论小麦的泥土微生物群落和作物产量之间的联系性中出现，正在讨论ML模子和原始牧场的主要特点时，有几个闭键的目标。正在农田和牧场体例中存正在常睹的泥土壮健和产量微生物预测因子应值得提防，由于自然草地被以为是高泥土壮健的基准。

　　本讨论不盼望微生物组、泥土壮健和作物产量之间的闭联如许轻易或直接，但这些结果外明，壮健目标和泥土微生物组能够反应植物临盆力。

　　模子简直凿性不肯定依赖从扫数泥土微生物群落中获取的音信。正在牧场微生物组数据验证进程中，当只供应21个主要的ASVs数据时，模子就有更高简直凿性。输入更少、音信更雄厚的特点也许有助于裁减模子太过拟合特点的影响，这些特点与泥土壮健的闭联也许分歧，也许是因为牧场和农田之间的不同。然则，正在更大的特搜集上取得的模子对测试数据简直凿率最高，此中样本越过了更大的空间标准(图3AB)。

　　正在这种情形下机器学习，利用更大的特搜集实行陶冶，也许会加添捕捉特定泥土类型或地域主要特点的机遇。更大的特搜集能够供应冗余，用来治理类群发作/散布的蜕变。正在马斯格雷夫农场和本讨论数据集之间，预测壮健评级主要的ASVs的有限重迭中，这种冗余是彰着的(图6B)。本讨论中，特搜集的巨细随分类的阔别率、稀少过滤和归一化法子的蜕变而蜕变。对特搜集巨细和精度之间的闭联须要一个更所有的阐明。

　　本讨论正在欺骗基于微生物群落的ML来预测泥土壮健目标时出现很众挑衅，这些挑衅能够通过更大的测序深度、更广的分类阔别率和更众的样本集来补偿。准确度的蜕变很大水平上取决于陶冶集和测试集的初始破裂，这反应出咱们的纠集相对较小(n=598)。正在较少数据上陶冶的模子确凿性消浸是因为总体特点的吃亏，这能够通过更大的排序避免。回归模子预测的数值界限比监测的要窄，这导致泥土壮健谱两头的精度较差。倘使有更好的反应异常壮健泥土微生物组数据，那么预测结果会取得改进。好比，斟酌到pH值是细菌群落布局一个主要的决断成分，然则预测pH值的模子简直凿性较低(图4)。

　　精度低也许是因为咱们数据齐集的泥土pH值界限很窄，这是全部目标中最窄的(图S1)，由于农田泥土很少有异常的pH值。另外，很众壮健等第较低的泥土正在测序进程中全部凋谢，这个究竟使从低壮健(n=25)和极低壮健(n=0)泥土获取微生物群落的难度加添，这些泥土也是体例发育最众样化的(图7C)。倘使能够找到代外泥土壮健处境的目标，那么就能够欺骗基于ML的微生物群落的数据创修预测壮健等第的回归模子，把壮健等第实行划分，以便农场经管职员实行阐明。目前，回归模子的后分类预测简直凿性低于分类模子。

　　本讨论剖明，基于16S rRNA基因的泥土微生物组的音信能够用来预测农场经管者利用的泥土壮健目标。

　　本讨论结果剖明，鉴于生物模子之间的主要特点重迭，微生物群落-ML法子具有很大的潜力来增加或庖代生物壮健目标，或动作一个归纳的生物壮健目标。化学和物理目标的预测平常较弱，固然有的主要物理目标能够有针对性的细化，如聚会体安靖性。与此同时，化学泥土检测低本钱这一特征使基于微生物群落的目标变得不那么主要。本讨论的结论是，按照咱们对泥土微生物群落的生态和功用特点的会意，准则化学测试和微生物群落-ML法子能够动作泥土壮健的低本钱举措，同时供应联系的泥土功用特殊音信。

　　本讨论估计，跟着监测数目的加添，以及模子正在区域或经管特天命据上的陶冶，确凿性将会升高。

　　斟酌到本讨论样本网罗的范畴和地舆不同，咱们的模子简直凿性是明显的，闭键是为了捉拿泥土壮健测试步骤中治理的样本的榜样宽度。本讨论还夸大，须要拓荒高通量的法子来网罗微生物组数据，用来治理壮健水平较低的泥土，这些泥土的DNA产量比力低。本讨论的结果并没有明晰剖明哪种ML算法最适合从微生物组数据中预测泥土壮健。L2线性SVM模子正在几个主要方面比RF发扬更好，囊括基于分类的预测，交叉验证和陶冶期间，而RF模子优比回归的预测好。

　　正在目前的泥土壮健框架和数字农业发扬中，通过采用微生物组和ML法子，或动作简单举措，或与更成熟的举措相团结，能够更彻底地管理这些题目。