自然界中,大多数微生物存在于复杂多样的群落生态系统中,它们相互影响并交织在一起,共同维持微生态系统的生物功能和生态角色。如何准确可靠地从这些群落生态系统中发现重要的微生物交互关系,是近年来研究的热点。其中发现高阶微生物交互关系并研究其对生态系统功能的影响,则是一个具有重要意义的新方向。本文整合宏基因组测序技术得到的微生物丰度数据、系统发育树及其代谢网络数据等多组学数据,开发了基于路径提取的策略用来识别和预测微生物种间交互关系,并发现微生物之间的高阶交互关系。主要贡献如下:第一,开发了基于迭代随机森林(iRF)算法的微生物交互预测方法,整合了微生物系统发育距离信息,使得结果更具有生物学意义。该方法将微生物交互关系提取置于一个有监督的学习框架中,保证了关系提取过程的可靠性与结果的稳定性。整合微生物系统发育距离数据,则确保了被发现的交互关系具有了真实生物意义。最后还利用微生物代谢网络模型从代谢角度对交互关系进行验证,为微生物共培养的生物实验设计提供了候选集合。第二,提出了基于遗传蚁群优化(GACO)算法的微生物高阶关系预测算法。使用启发式搜索策略,不仅可以发现具有线性或逻辑可加性的微生物交互关系,还可以推断具有复杂联系的高阶交互关系。本文通过对数据分类编码,利用分布式搜索策略,基于正反馈机制,不断对微生物种类组合进行交叉编译,最终挖掘出不同类型的微生物交互关系。实验表明,启发式搜索策略可以有效提高发现群落微生物交互关系的能力,避免了传统方法的逻辑缺陷。除此之外,结果还证明了微生物群落生态系统中高阶交互关系的稀疏性。本文基于路径提取策略研究了两种微生物交互关系发现或推断方法,并提出了整合多组学微生物数据,从交互关系提取到结果验证的完整流程,为将来更好的开发识别微生物交互关系的计算方法或设计生物实验提供了重要思路。