微生物二氧化碳利用率的无注释预测

科学领域:

• 微生物学和基因组学 微生物学和基因组学
• 生物信息学和计算生物学

背景情况:

• 使用基因组数据单独区分有氧 (需要氧气) 和无氧 (不需要氧气) 微生物是具有挑战性的,因为许多微生物利用氧气进行排毒.
• 有氧生物通常具有更大的基因组和特定的利用氧的酶,为预测提供线索.
• 目前的预测方法通常依赖于计算密集的基因组注释.

研究的目的:

• 开发和验证无注释的方法,直接从基因组序列中准确预测微生物氧气利用率.
• 评估基于序列内容的模型与基于注释的方法的性能.
• 探索这些快速预测方法在自然环境中分析微生物群落的实用性.

主要方法:

• 开发和评估基于基因组序列内容的机器学习模型,特别是氨基酸trimers (三重组).
• 将没有注释的模型的准确性与传统的基于注释的分类器进行比较,用于微生物氧气利用的三元分类.
• 在地球微生物组项目和黑海氧气梯度数据集中应用了开发的模型来分析微生物社区组成.

主要成果:

• 使用氨基酸三分仪的无注释模型实现了与基于注释的密集方法 (约80%) 相比的预测准确性.
• 氨基酸剪切器有效地编码有关蛋白质组成和微生物生物的信息,使准确的预测.
• 对黑海数据集的分析揭示了微生物群落组成和当地氧气水平之间的定量相关性.

结论:

• 无注释的基因组分析提供了一个快速而准确的方法来预测微生物的氧气利用率.
• 这些方法可用于从DNA测序数据中推断微生物生理学和环境条件.
• 使用这些统计方法分析的DNA测序数据可以作为氧气度等关键环境特征的传感器.