预测乳杆菌delbrueckii亚种. 基于高度准确的半监督学习方法的bulgaricus-Streptococcus thermophilus相互作用
Shujuan Yang1,2,3,4, Mei Bai1,2,3,4, Weichi Liu5,6
1Key Laboratory of Dairy Biotechnology and Engineering, Ministry of Education, Inner Mongolia Agricultural University, Hohhot, 010018, China.
Science China. Life sciences
|October 17, 2024
概括
人工智能使用基因组数据预测乳制品初始化互动. 这种半监督学习框架准确地识别了有益的Lactobacillus delbrueckii亚种. 牛奶发酵的bulgaricus和Streptococcus thermophilus的组合. 牛奶发酵的结合物.
科学领域:
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
- 乳制品科学 乳制品科学
背景情况:
- 牛乳杆菌delbrueckii亚种. 这种细菌. 布尔加里克斯 (L. bulgaricus) 和热杆菌 (S. thermophilus) 是牛奶发酵中的关键初始培养,显著影响乳制品质量.
- 选启动培养相互作用的传统方法是低效的,需要先进的计算方法.
- 现有的人工智能模型通常需要大量的标记数据,这对预测有限样本的相互作用构成了挑战.
研究的目的:
- 开发和验证一个半监督的学习框架,用于使用基因组数据预测乳杆菌-菌相互作用 (LbStI).
- 通过利用少量标记样本来预测相互作用来解决生物信息学中监督学习的局限性.
- 确定与L. bulgaricus和S. thermophilus之间的相互关系相关的关键基因组特征和途径.
主要方法:
- 开发了一个半监督学习框架,集成一个协集群模型 (KEGG数据集) 和一个拉普拉斯规范最小方形模型 (K-mer和基因组合分析).
- 来自362个分离物种 (181个每种) 的基因组数据被用于模型训练和预测.
- 综合模型的预测通过随机选择的分离物组合进行牛奶发酵实验来验证.
主要成果:
- 开发的半监督学习框架在预测LbStI方面达到85%的高精度,牛奶发酵实验证实了这一点.
- 该研究确定了特定的生物合成途径 (氨酸, рибофлавин, teichoic 酸, exopolysaccharides) 和ATP 结合盒传输系统,可能有助于相互关系.
- 该模型为选乳制品初始培养和了解细菌相互作用提供了宝贵的资源.
结论:
- 半监督学习框架提供了一种有效和准确的方法来预测乳制品初级品种相互作用,克服传统和监督方法的局限性.
- 基因组洞察力表明,特定的代谢途径和运输系统是L. bulgaricus和S. thermophilus之间的共生关系的关键.
- 这项研究提供了一种有价值的计算工具和基础数据,用于优化乳制品发酵过程和初始培养物选择.
