大幅に拡張されたBacMetベースのデータベースで訓練された強化されたResNet深層学習モデルを使用して,金属耐性遺伝子の迅速な識別

科学分野:

• 環境微生物学
• バイオ情報学
• 計算生物学

背景:

• 重金属の汚染は環境と公衆衛生に重大なリスクをもたらす.
• 金属への微生物の適応を理解することは 効果的な管理に不可欠です
• 金属耐性遺伝子の識別と分類は,この理解の鍵です.

研究 の 目的:

• バックメットデータベースを新しい金属耐性アミノ酸配列で拡張する.
• 金属転位タンパク質を分類するためのディープラーニングモデルを開発し,評価する.
• 遺伝子金属耐性を予測する ユーザフレンドリーなツールを作りました

主な方法:

• バックメットデータベースに 120万以上のアミノ酸配列を組み込みました
• マルチラベル分類のために深層学習モデル (AlexNet,VGG,GoogleNet,ResNet,BERT,ViT,Mamba2) を採用した.
• 実験的なアッセイを通してモデル性能と遺伝子図書館の信頼性を検証し,PMRAASのウェブサイトを開発しました.

主要な成果:

• ResNetモデルは,BLASTpやDIAMONDのような伝統的な方法と比較して,優れた精度 (98.91%のジャッカードスコア) と計算効率を達成しました.
• 拡張された遺伝子ライブラリとResNetモデルは,高い予測性能と信頼性を示した.
• PMRAASのウェブサイトは,オンラインの遺伝子金属耐性予測のために開発されました.

結論:

• ディープラーニングモデル,特にResNetは 金属耐性遺伝子の分類に強力で効率的なアプローチを提供します.
• 拡張されたBacMetデータベースとPMRAASツールは,微生物の適応を研究するための貴重なリソースを提供します.
• これらの進歩は,重金属汚染管理のための強化された生物修復戦略をサポートします.