MycoAI:为真菌ITS序列进行快速准确的分类学分类

科学领域:

• 菌类学 菌类学是指菌类学.
• 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:

• 对真菌DNA条形码数据的准确分类对于生物多样性研究至关重要.
• 现有的分类方法经常面临计算费用和准确性方面的挑战.
• 深度学习显示了对生物序列分类的希望.

研究的目的:

• 介绍MycoAI Python包,用于使用深度学习对真菌内部转录间隔器 (ITS) 序列进行分类.
• 探索和优化深度学习模型 (BERT,CNN) 和对真菌ITS数据的编码方法.
• 开发高效准确的AI模型,用于真菌DNA条形码分类.

主要方法:

• 开发了MycoAI Python包与BERT和CNN模型用于真菌ITS序列.
• 使用多头输出架构和多层次的层次标签光滑.
• 在来自UNITE数据库的500多万个标记序列上训练模型.
• 与现有分类器 (DNABarcoder,RDP) 相比,MycoAI模型进行了基准测试.

主要成果:

• MycoAI模型 (MycoAI-BERT,MycoAI-CNN) 在属和更高的分类层次上表现出高精度.
• MycoAI-CNN被认为是最快,最准确的模型.
• MycoAI模型可以在5分钟内分类超过30万个序列,显示出高效率.
• 模型显示出巨大的潜力,尽管需要人工智能结果验证,因为参考数据有限.

结论:

• MycoAI为真菌DNA条形码分类提供了一种高效准确的深度学习解决方案.
• MycoAI包使菌类学家能够对ITS条形码数据进行分类,并作为未来深度学习研究的平台.
• 公开发布MycoAI模型和源代码有助于在真菌生物多样性研究中更广泛地采用和开发.