一种用于基因组工程的机器学习方法 设计工具 归因

科学领域:

• 合成生物学 合成生物学
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 合成生物学的进步增加了危险的转基因生物 (GMO) 释放的风险.
• 转基因释放的归因对于安全至关重要,但直接证据往往缺乏.
• 之前的方法专注于等离子体DNA签名;这项研究探讨了工程基因中的工具签名.

研究的目的:

• 通过分析所使用的in silico设计工具,开发一种方法来归因工程生物的来源.
• 为了在工程DNA序列中识别不同编码子优化工具留下的独特签名.
• 创建一个机器学习分类器,能够预测所使用的特定设计工具.

主要方法:

• 数以万计的基因使用四种不同的编码子优化算法进行了计算优化.
• 从工程基因中提取了表明特定优化工具的序列特征.
• 一个随机的森林机器学习分类器被训练并根据这些特征进行评估.

主要成果:

• 开发的随机森林分类器在预测使用的编码子优化工具时取得了超过97%的准确性.
• 该方法成功地在编码区域内识别了区分不同设计软件的签名.
• 这证明了基于其遗传密码的设计历史来归因工程生物的可行性.

结论:

• 工程DNA中的计算工具签名为转基因生物的归属提供了可行的基础.
• 这种方法补充了现有的归因方法,并增强了对生物制剂的法医能力.
• 有效的归因技术可以阻止恶意创建危险生物并帮助调查.