挑战简介

我们身体中存在着数万亿微生物，它们在不同身体部位（如肠道、口腔、皮肤和鼻腔）定居，组成独特的生态系统，对健康和疾病发挥着关键作用。科学家们通常通过宏基因组数据来研究这些微生物群的作用。

在本次挑战中，参赛者需要开发人工智能模型，基于高压缩格式MPEG-G的16S rRNA序列数据，以及健康状态标签和参与者元数据，预测一个微生物样本来自人体哪个部位。这是一个多模态分类任务，旨在推动压缩格式和联邦学习在生物医学数据科学中的应用。

挑战亮点

挑战目标：使用MPEG-G格式的微生物组数据，建立能预测样本来源部位的机器学习模型

数据类型：16S rRNA基因序列（MPEG-G格式）、健康状态标签、参与者元数据

任务要求：提交集中式模型和联邦学习模型各一份，以及完整的技术说明

使用工具：鼓励使用Flower或PySyft等联邦学习框架，模型需在公开平台（如Colab）训练完成

模型评估：根据集中式模型与联邦模型的表现，以及碳排放效率综合评分

最终奖励：前三名分别可获得2500、1500、1000美元奖金，并有机会参与学术论文合作

技术关键词

微生物组分类

MPEG-G压缩格式

联邦学习（Federated Learning）

PyTorch建模

碳足迹评估

主办单位

本挑战由 Philips飞利浦、斯坦福医学院、纳瓦拉大学CIMA研究中心、复旦大学智能医学研究院、德国汉诺威莱布尼茨大学 联合发起。复旦大学智能医学研究院将为本次挑战提供技术支持，并鼓励全球青年研究者共同参与。

挑战时间

开始日期：2025年6月21日

截止日期：2025年9月15日

欢迎全球AI爱好者、生命科学工作者、数据科学家参与！

立即注册参赛：Zindi平台挑战入口：MPEG-G Microbiome Classification Challenge - Zindi

如需技术支持或有意加入复旦挑战支持团队，请联系：xin_zhou@fudan.edu.cn