通过机器学习推断寄生虫Haemonchus contortus的基本基因

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.
• 寄生虫学的寄生虫学

背景情况:

• 像*Caenorhabditis elegans*和*Drosophila melanogaster*这样的模型生物已经对基本基因有了更深入的了解.
• 机器学习 (ML) 工作流可以从基因组和其他数据中预测必要的基因.
• 这种ML方法对同一进化分类中的物种有效.

研究的目的:

• 为了在C. elegans*和寄生虫线虫H. contortus*之间交叉预测必要的基因.
• 将*H. contortus*蛋白质作为潜在的药物点进行排序和优先排序.
• 评估一种in silico工作流程,用于识别寄生性线虫中的干预候选物.

主要方法:

• 利用基于机器学习的工作流来进行基本的基因预测.
• 在Nematoda类中进行了基本基因的交叉预测.
• 根据本质性和转录模式推断和优先考虑的*H. contortus*蛋白质.

主要成果:

• 在 *H. contortus* 中确定了涉及核糖体生物发生,翻译,RNA结合和信号传递的基本基因.
• 在关键的寄生虫线虫组织中发现了这些必需基因的高转录率,包括生殖线和神经系统.
• 成功排名和优先考虑潜在的药物目标候选人.

结论:

• in silico ML 工作流程是一种有前途的方法,用于识别寄生性线虫中的必需基因.
• 这种方法有助于优先考虑实验验证的药物标候选药物.
• 这项研究为开发针对寄生性线虫感染的新干预措施提供了基础.