DCiPatho:深度交叉融合网络用于基因组规模的病原体识别
Gaofei Jiang1, Jiaxuan Zhang2, Yaozhong Zhang1
1Jiangsu Provincial Key Laboratory for Organic Solid Waste Utilization, Laboratory of Bio-interactions and Crop Health, Jiangsu Collaborative Innovation Center for Solid Organic Waste Resource Utilization, National Engineering Research Center for Organic-based Fertilizers, Joint International Research Laboratory of Soil Health, Nanjing Agricultural University, Nanjing 210095, Jiangsu, China.
通过分析基因组序列,DCiPatho使用深度学习准确检测病原体. 这种新的方法整合了k-mer频率,以更好地识别人类,动物和植物的细菌感染.
科学领域:
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 准确的病原体检测对于全球疾病控制至关重要.
- 目前的深度学习方法与长的基因组序列作斗争.
- 推动病原体识别需要新的计算方法.
研究的目的:
- 开发一种先进的深度学习工具,从基因组数据中准确检测病原体.
- 在处理长序列时克服现有算法的局限性.
- 为了增强在不同宿主中识别多样化的致病细菌.
主要方法:
- 开发了DCiPatho,这是一个集成交叉,残余和深度神经网络的深度交叉融合网络.
- 为了分析,利用了3至7k-mers的集成频率特征.
- 评估基因组学和元基因组学数据集的性能,包括未被学习的病原体物种.
主要成果:
- DCiPatho证明了对影响人类,动物和植物的独特病原细菌的准确识别.
- 该工具有效地处理了长的基因组序列,超过了现有的最先进的算法.
- 对已知和新型病原体物种的成功评估证实了强度.
结论:
- DCiPatho 是用于基因组规模病原体识别的有效工具.
- 将k-mer频率集成到深度交叉融合网络中可以提高检测准确度.
- 开发的方法在计算病原体诊断方面取得了重大进展.
更多相关视频
12:08Hybrid De Novo Genome Assembly for the Generation of Complete Genomes of Urinary Bacteria using Short- and Long-read Sequencing Technologies
Published on: August 20, 2021
08:03Heuristic Mining of Hierarchical Genotypes and Accessory Genome Loci in Bacterial Populations
Published on: December 7, 2021
相关概念视频
Modern Molecular Taxonomy
Evolutionary Relationships through Genome Comparisons
Applications of Molecular Taxonomy
