使用机器学习模型识别影响猪肌内脂肪沉积的关键基因
Yumei Shi1,2, Xini Wang1, Shaokang Chen3
1College of Animal Science and Technology, China Agricultural University, Beijing, China.
Frontiers in genetics
|January 21, 2025
概括
这项研究使用机器学习来分析RNA-seq数据,识别调节猪肌内脂肪沉积的关键基因. 这些发现提高了对肉质的理解,并为基因改进提供了目标.
科学领域:
- 基因组学就是基因组学.
- 动物科学动物科学
- 生物信息学是一种生物信息学.
背景情况:
- 肌肉内脂肪 (IMF) 对于肉质的评估至关重要.
- RNA测序 (RNA-seq) 是研究国际货币基金组织沉积的常用方法.
- 机器学习 (ML) 为复杂的omics研究提供先进的数据分析.
研究的目的:
- 将ML方法应用于RNA-seq数据,以识别影响猪IMF沉积的差异表达基因 (DEG).
- 阐明了IMF在猪中的沉积背后的分子机制.
主要方法:
- 使用ML算法对74个肌肉组织RNA-seq数据集进行分析.
- 使用limma包装识别DEGs.
- 支持矢量机递归特征消除 (SVM-RFE) 和随机森林 (RF) 模型的应用以确定重要的基因.
主要成果:
- 最初确定了155个DEG.
- SVM-RFE发现了100个显著基因,而RF发现了11个.
- 在两种模型中都发现了六个交叉基因,这些基因富含脂质代谢途径.
- 四个关键基因 (PLA2G6,MPV17,NUDT2,ND4L) 被确定为IMF存储的关键基因.
结论:
- 该研究使用ML和RNA-seq数据成功确定了调节猪体IMF沉积的关键基因.
- 这些发现有助于了解IMF沉积的分子机制,并为改善肉质提供了潜在的机会.
