plASgraph2:使用图形神经网络从组合图形中检测等离子体结合物.

科学领域:

• 基因组学就是基因组学.
• 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:

• 从测序数据中识别等离子体对于了解抗菌素耐药性 (AMR) 传播和"一健康"问题至关重要.
• 来自短读数据的碎片化基因组组合对准确的等离子体结合识别构成了挑战.
• 现有的方法往往难以根据单独的序列特征或数据库搜索来分类简短的连接.

研究的目的:

• 开发一种新的计算架构,以更好地识别细分细菌基因组组合中的等离子体结合体.
• 为了利用图形神经网络 (GNN) 和汇编图形来提高连接分类的准确性.
• 为在细菌分离物中提供精确,用户友好的塑体识别工具.

主要方法:

• 开发了一种新的架构,使用与汇编图集成的图形神经网络 (GNN).
• 为了分类,在汇编图中利用来自邻近节点的信息传播.
• 在一个包含ESKAPEE病原体组样本的数据集上训练了plASgraph2模型.

主要成果:

• plASgraph2在独立的测试集上表现出高于或与最先进的方法相比具有可比的性能.
• 该工具在分类通常难以识别的短连接中显示了更高的准确性.
• 在ESKAPEE病原体样本和相关的细菌病原体上实现了高性能.

结论:

• plASgraph2为细菌基因组学中的等离子体连接分类提供了一个新的,准确和易于使用的工具.
• 这项研究证实了图形神经网络 (GNN) 作为基因组数据分析中的强大方法的实用性.
• 这些发现有助于更好地监测抗微生物药物耐药性和相关的单一健康挑战.