DeepMAP:深度CNN分类器应用于光学映射,用于快速准确的物种层次元基因组分析
Sergey Abakumov1, Elizabete Ruppeka-Rupeika2, Xiong Chen2
1Department of Chemistry, Laboratory for Nanobiology, KU Leuven, Celestijnenlaan 200G, 3000 Leuven, Belgium.
ACS omega
|March 17, 2025
概括
DeepMAP是一种使用深卷积神经网络的新型管道,可以从DNA光学映射数据中快速准确地识别物种. 这一进步解决了微生物组分析的局限性,即使在不同的序列中也提供了强大的性能.
科学领域:
- 基因组学和生物信息学
- 计算生物学 计算生物学
- 微生物组分析
背景情况:
- DNA光学映射对于结构变异调用和基因组组合验证有价值.
- 由于速度和数据库大小的限制,当前的对齐算法限制了光学映射在复杂环境中的应用,例如微生物群物种识别.
研究的目的:
- 开发一种新的基因组分类管道,以使用DNA光学映射数据快速准确地识别物种.
- 克服高通量微生物组分析现有的算法限制.
主要方法:
- 开发DeepMAP,一个采用深层卷积神经网络进行光学映射数据分析的管道.
- 对来自细菌混合物的基因组DNA进行DeepMAP的评估,以评估其分类的准确性和速度.
主要成果:
- DeepMAP实现了光学地图与各自的基因组的快速和准确的分配.
- 该管道展示了与进化分离序列的卓越性能,显示了在元基因组样本中对未知的菌株的稳定性.
- 实现了物种级别的分辨率,真实阳性率约为75%和虚假阳性率<1%,明显优于现有方法.
结论:
- 在将DNA光学映射应用于复杂微生物组分析方面,DeepMAP代表了重大进展.
- 管道的速度和准确性使得有效的物种识别成为可能,扩大了光学绘图技术的实用性.
- DeepMAP对序列分歧的稳定性使其适合于现实世界的元基因组应用.


