微生物在人体的生物进程中扮演着重要的角色,微生物往往不是孤立的起作用,而是形成一个复杂的生态系统相互作用。理解群落组成和功能之间的联系是微生物生态学中的一项重大挑战,对自然微生物群落的管理和合成群落的设计具有重要意义。目前有关于微生物交互和微生物模块的研究都是基于成对节点,因此探究微生物高阶交互成为当前研究热点。生物网络是模块化的,当前基于网络模体的方法往往忽略了微生物节点间相互作用的强弱关系对网络功能的影响。将微生物的高阶关系视作一个超边,但基于超图谱聚类的算法没有考虑超边之间的权重关系。主要研究工作和创新如下:第一,基于加权模体的微生物高阶组织识别。利用人体服用抗生素后的微生物时间序列数据,采用动态贝叶斯算法构建微生物动态网络,归一化后的贝叶斯因子表示微生物权值。考虑到微生物网络的模体内节点相互作用的强弱关系,对微生物网络和网络模体进行加权定义,提出基于加权有向模体的方法挖掘微生物高阶结构,分析权重微生物网络高阶组织。实验结果表明包含高阶关系强弱性的信息,使得部分加权后的模体能比未加权的模体得到数学理论上更优的簇,更能准确的挖掘微生物模块。第二,基于逻辑网络的传递超图谱聚类算法。传统的微生物网络构建和微生物网络结构都是基于成对的相互作用关系,然而微生物具有多样性,多样性的社区很大程度依赖于稳定的高阶相互作用。本文首先基于人体不同部位的微生物丰度数据,对于每个部位计算出满足逻辑关系的微生物三元组。将微生物三元组视作一个超边构建微生物超图,考虑到三元组的结构性,融入超边相似性的信息提出传递超图谱聚类算法,并利用模块度最大化解决聚类数未知的问题。根据联合熵、总相关性和模块度指标衡量了基于传递超图谱聚类算法挖掘微生物高阶模块的性能,证明了该方法是有效可行的。