从生物合成基因集群数据中预测真菌二次代谢物活性,使用机器学习
Olivia Riedling1,2, Allison S Walker1,2,3, Antonis Rokas1,2
1Department of Biological Science, Vanderbilt University, Nashville, TN, USA.
bioRxiv : the preprint server for biology
|September 25, 2023
概括
机器学习模型可以预测真菌的二次代谢物生物活性. 结合真菌和细菌数据提高了准确性,突出了需要更多的真菌生物合成基因集群数据的需求.
科学领域:
- 菌的二次新陈代谢
- 生物信息学是一种生物信息学.
- 机器学习在药物发现中的作用
背景情况:
- 的二次代谢产物 (SMs) 对生态多样性至关重要,并具有宝贵的药用特性 (抗真菌,抗菌,抗瘤).
- 生物合成基因集群 (BGCs) 编码SM生产,但从BGCs预测SM生物活性是具有挑战性的.
- 目前的数据限制阻碍了在真菌二次新陈代谢中的机器学习应用.
结论:
- 整合细菌和真菌BGC数据的机器学习模型显示出预测真菌SM生物活性的前景.
- 需要增加系统的努力,以将真菌SM生物活性与BCC联系起来.
- 解决数据稀缺问题对于在真菌二次代谢研究中推进机器学习至关重要.
关键词:
它是一种抗菌药物,具有抗菌作用.抗生素抗生素是一种抗生素.这是一种抗真菌药物.这是一种抗瘤药物.人工智能的人工智能是人工智能.生物活性生物活性细胞毒性 细胞毒性毒品 毒品 毒品 是一种药物.菌是一种真菌.二次新陈代谢二次新陈代谢专门的新陈代谢.更多相关视频
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
09:21Author Spotlight: Generating Neuronal Phenotypic Profiles - A Protocol to Culture and Image Human Midbrain Dopaminergic Neurons
Published on: July 7, 2023
1.5K