机器学习启用基因组挖掘和自然产品的生物活性预测
Yujie Yuan1, Chengyou Shi1,2, Huimin Zhao1,2,3
1Carl R. Woese Institute for Genomic Biology, University of Illinois at Urbana-Champaign, Urbana, Illinois 61801, United States.
ACS synthetic biology
|August 22, 2023
概括
机器学习 (ML) 工具正在通过分析基因组数据来识别潜在的候选药物来彻底改变自然产品 (NP) 的发现. 本综述强调了使用ML用于NP生物合成和生物活性预测的进展和挑战.
科学领域:
- 生物技术和生物信息学
- 药物发现 药物发现 药物发现
- 基因组学就是基因组学.
背景情况:
- 来自微生物和植物的自然产品是药物,除草剂和杀菌剂的重要来源.
- 在DNA测序和生物信息学方面的进步已经产生了关于NP生物合成的大量数据.
- 这些数据推动了用于NP发现的机器学习 (ML) 工具的开发.
研究的目的:
- 审查开发和应用NP发现的ML工具的最新进展.
- 探索基因组数据在识别新型NP方面的潜力.
- 预测发现的NP的生物活性.
主要方法:
- 对NP生物合成基因集群的基因挖掘和生物信息学分析.
- 开发和应用用于数据分析的机器学习算法.
- 对基于ML的NP发现和预测的当前文献的综述.
主要成果:
- 机器学习工具在探索基因组数据以用于新型NP识别方面越来越有效.
- 预测模型在预测潜在NP的生物活性方面表现有前途.
- 在利用基因组语言为NP研究方面取得了重大进展.
结论:
- 机器学习提供了强大的方法来加速新型自然产品的发现.
- 需要进一步开发,以克服NP研究ML应用中的技术挑战.
- 基因组数据为未来的药物发现提供了巨大的,但在很大程度上尚未开发的潜力.
更多相关视频
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
3.9K
09:08From a Natural Product to Its Biosynthetic Gene Cluster: A Demonstration Using Polyketomycin from Streptomyces diastatochromogenes Tü6028
Published on: January 13, 2017
17.2K
