对神经网络进行超基因组结合的审查
Jair Herazo-Álvarez1,2, Marco Mora2,3, Sara Cuadros-Orellana2,4
1Doctorado en Modelamiento Matemático Aplicado, Universidad Católica del Maule, Talca, Maule 3480564, Chile.
Briefings in bioinformatics
|March 25, 2025
概括
人工神经网络 (ANN) 是用于元基因组分类的强大工具,分类微生物序列. 深度学习方法为分析微生物社区多样性提供了更高的准确性和可扩展性.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 转基因组学研究旨在了解微生物社区的多样性.
- 在微生物序列的分类中,元基因组分类至关重要.
- 机器学习,特别是人工神经网络 (ANN),越来越多地应用于元基因组结合.
研究的目的:
- 审查和详细介绍ANN在元基因组结合中的贡献.
- 系统地比较34个基于ANN的捆绑工具.
- 为了确定趋势,并为研究人员指导工具选择.
主要方法:
- 在受监督,无监督和半监督的元基因组结合中对ANN应用的全面审查.
- 34个基于ANN的分类工具的系统比较,分析架构,功能,数据集和性能.
- 分析当前的基准测试实践和未来的研究方向.
主要成果:
- 深度学习方法 (CNN,自动编码器) 与传统方法相比,具有更高的准确性和可扩展性.
- 基于ANN的工具使用的架构,输入特性和数据集存在显著差异.
- 当前的基准测试实践显示了差距,需要标准化的数据集和优化的架构.
结论:
- 对于元基因组结合来说,ANN,特别是深度学习,非常有效.
- 标准化的基准测试和第三代测序工具的开发对于未来的进步至关重要.
- 本综述有助于研究人员导航微生物社区分析的ANN工具.
