小的SNP数组 (属Acetes) 使用机器学习来确定起源
Eun Soo Noh1, Mi Nan Lee1, Chun-Mae Dong1
1Biotechnology Research Division, National Institute of Fisheries Science, 216, Gijanghaean-ro, Gijang-eup, Gijang-gun, Busan 46083, Republic of Korea.
Foods (Basel, Switzerland)
|July 13, 2024
概括
一种使用单核酸多态化 (SNP) 分析的新型机器学习方法准确识别了制品中的Acetes的来源. 这种进步提高了海鲜的真实性,并打击了食品欺诈.
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.
- 食品科学 食品科学 食品科学
背景情况:
- 准确的海鲜原产地确定对于消费者信任和安全至关重要.
- 在制品中识别Acetes物种的来源存在挑战.
- 现有的方法可能缺乏强大的身份验证所需的精度.
研究的目的:
- 开发一种基于机器学习的单核酸多态化 (SNP) 分析技术,用于确定Acetes物种的起源.
- 为了验证SNP基因定型的准确性,结合机器学习来验证海产品的真实性.
- 为监管机构提供可靠的工具来打击海鲜欺诈.
主要方法:
- 线粒体DNA (COI和16SrRNA) 测序以确定遗传变异.
- 从八个候选物中选择和开发了六种单核酸多态性 (SNP) 标记物.
- 创建一个SNP阵列用于基因定型盐小样本.
- 应用监督机器学习算法用于基于SNP数据的原产地分类.
主要成果:
- 线粒体DNA分析揭示了Acetes物种和起源之间的显著遗传变异.
- 六个经过验证的SNP标记物已成功开发用于基因型鉴定.
- 机器学习分析在使用SNP数据对Acetes物种的起源进行分类时实现了100%的准确性.
- 开发的SNP阵列和机器学习模型为原产地确定提供了高度准确的方法.
结论:
- 与机器学习相结合的SNP分析为海产品原产地确定提供了强大而准确的工具.
- 这种方法可以有效地打击食品欺诈,并确保制小产品的完整性.
- 未来的工作应该包括扩大数据集,以包括更多的物种和地理来源,以获得更广泛的适用性.
更多相关视频
05:30Indel Detection following CRISPR/Cas9 Mutagenesis using High-resolution Melt Analysis in the Mosquito Aedes aegypti
Published on: September 10, 2021
3.3K
07:20Maintaining Biological Cultures and Measuring Gene Expression in Aphis nerii: A Non-model System for Plant-insect Interactions
Published on: August 31, 2018
7.6K
