通过人工智能改善病毒注释
Zachary N Flamholz1, Charlotte Li1, Libusha Kelly1,2
1Department of Systems and Computational Biology, Albert Einstein College of Medicine, Bronx, New York, USA.
mBio
|September 4, 2024
概括
大型语言模型为metagenomes中的细菌体 (菌体) 序列提供了新的注释方式. 这些先进的模型可以帮助组织和理解对于环境和人类健康应用至关重要的庞大,未经注释的病毒多样性.
科学领域:
- 微生物学和病毒学
- 生物信息学和计算生物学
背景情况:
- 菌体 (菌体) 是微生物群落的必不可少但鲜为人知的组成部分.
- 菌体作为生态系统条件的敏感指标,因为它们的宿主依赖复制.
- 甲基因组测序揭示了菌体的多样性,但由于极端的多样性,大多数病毒基因组仍然没有注释.
研究的目的:
- 探索用于注释病毒序列的大型语言模型 (LLM) 的潜力和局限性.
- 解决对新方法的需求,以便在元基因组数据中组织和注释各种病毒序列.
- 通过识别不同序列的病毒和类似病毒的元素之间的相似性来促进生物发现.
主要方法:
- 审查蛋白质语言模型 (PLM) 的基本原理及其在序列注释中的应用.
- 利用自我监督的表示学习来实现远程病毒蛋白同质检测.
- 在病毒序列注释的背景下分析LLM的优缺点.
主要成果:
- 自主监督的学习方法可以增强病毒蛋白的同质检测,即使在像海洋病毒组这样的各种数据集中.
- 功能内容分析有助于识别序列分离的病毒之间的相似性.
- 在改善未表征病毒序列的注释方面,LLM表现有前途.
结论:
- 新的计算方法,特别是LLM,对于标注元基因组中病毒序列的巨大多样性至关重要.
- 了解菌体的功能内容是释放它们在人类和环境健康方面的潜力的关键.
- 需要进一步开发LLM来克服当前的局限性,并大大改善病毒注释.
相关概念视频
03:36Genome Annotation and Assembly
18.8K
The genome refers to all of the genetic material in an organism. It can range from a few million base pairs in microbial cells to several billion base pairs in many eukaryotic organisms. Genome assembly refers to the process of taking the DNA sequencing data and putting it all back together in a correct order to create a close representation of the original genome. This is followed by the identification of functional elements on the newly assembled genome, a process called genome annotation.
18.8K
02:28Leaky Scanning
5.1K
During most eukaryotic translation processes, the small 40S ribosome subunit scans an mRNA from its 5' end until it encounters the first start AUG codon. The large 60S ribosomal subunit then joins the smaller one to initiate protein synthesis. The location of the translation initiation is largely determined by the nucleotides near the start codon as there may be multiple translation initiation sites present on the mRNA. Marilyn Kozak discovered that the sequence RCCAUGG (where R...
5.1K