深度防御:使用深度学习对 prokaryotes 免疫系统的注释

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.
• 计算生物学 计算生物学

背景情况:

• 考古生物和细菌拥有不同的免疫系统来对抗菌体,由共同进化的压力驱动.
• 克里斯普尔-卡斯系统是众所周知的,但许多其他免疫机制仍然未被发现.
• 目前的识别方法,如隐藏马尔科夫模型 (HMM) 和湿实验室实验,在范围和效率上是有限的.

研究的目的:

• 开发一种机器学习方法,用于对 prokaryotic 基因组中的免疫系统蛋白进行分类.
• 为了识别超出已知家族的新型免疫系统候选人.
• 克服现有计算方法中封闭世界假设的局限性.

主要方法:

• 利用神经网络来分类已知的免疫系统蛋白质.
• 开发了Deepdefense算法,用于全基因组预测免疫磁带类.
• 实施了信心值分析,以区分与免疫相关的蛋白质与非相关的蛋白质.
• 校准模型并开发了一个用于全面基因组扫描的两种模型系统.

主要成果:

• 实现了免疫蛋白的准确分类和潜在的新系统的识别.
• 深度防御有效地区分免疫和非免疫蛋白质,使用模型信心评分.
• 与基于HMM的方法相比,该算法在检测免疫系统方面表现优异.

结论:

• 深度防御自动化基因检测,注释和分类的核细胞免疫系统.
• 优化的深度学习模型提供了准确的注释和高效的全基因组扫描.
• 这种方法增强了对菌体的各种 prokaryotic 防御机制的发现.