通过使用深度学习来预测培养条件对大肠杆菌基因调节的影响
Mun Su Kwon1, Joshua Julio Adidjaja1, Hyun Uk Kim1,2
1Systems Biology and Medicine Laboratory, Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology (KAIST), Daejeon 34141, Republic of Korea.
Computational and structural biotechnology journal
|January 12, 2024
概括
深度学习模型DeepMGR根据培养介质预测大肠杆菌的基因调节变化. 该工具有助于理解细胞对营养素的反应,并设计代谢工程实验.
科学领域:
- 微生物学 微生物学
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 细胞生理学受到种植条件的显著影响,包括营养素的可用性和通风.
- 转录反应是细胞适应环境变化的主要指标.
研究的目的:
- 开发一个深度学习模型,DeepMGR,用于预测培养基对大肠杆菌基因调节的影响.
- 为了分类基因调节的方向 (上调,不调节或下调) 相对于标准的M9最小介质与葡萄糖.
主要方法:
- 一个feedforward神经网络处理DNA序列,通风状态,微量元素和营养信息 (度和SMILES).
- 该模型使用金标准数据集进行了训练和验证,用于基因调节预测.
主要成果:
- 在测试套件上,DeepMGR实现了0.867的精度和0.703的F1得分.
- 模拟研究验证了模型对同源基因的预测,特别是在碳源效应方面.
结论:
- 深度MGR准确地预测基因调节的变化,以应对培养媒介的修改.
- 该模型作为一种有价值的工具,用于代谢工程的实验设计和理解基因调节.
