ProbML:一种基于机器学习的基因组分类器,用于识别益生菌生物
Arjun Orkkatteri Krishnan1, Lalit N Mudgal1, Vishesh Soni1
1School of Biosciences and Bioengineering, Indian Institute of Technology Mandi, Mandi, Himachal Pradesh, India.
Molecular nutrition & food research
|March 26, 2025
概括
本研究介绍了ProbML,这是一种机器学习方法,用于从基因组数据中识别益生菌微生物. 与传统方法相比,ProbML显著提高了准确性和速度,加速了有益微生物的发现.
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.
- 计算生物学 计算生物学
背景情况:
- 传统的益生菌鉴定是缓慢而昂贵的.
- 需要使用基因组数据开发高效,准确的方法.
研究的目的:
- 开发一种机器学习 (ML) 方法,ProbML,以从 prokaryotic 全基因组序列快速准确地识别益生菌.
- 将 ProbML 的性能与现有工具进行比较.
主要方法:
- 在基因组数据上实施和评估了五个ML算法.
- 使用XGBoost模型进行益生菌分类.
- 开发了一个基于ML的益生菌分类和定制分类器生成的GUI平台.
主要成果:
- XGBoost模型在学习数据上实现了100%的准确性,在独立测试集上达到95.45%.
- 在测试数据上,ProbML的表现优于现有的工具 (97.77%,对比66.28%).
- 分析了4728个基因组,确定了650种益生菌,包括许多新的益生菌.
结论:
- 使用基因组数据,ProbML提供了一种高度准确和高效的益生菌发现方法.
- 开发的GUI平台增强了益生菌分类的可访问性和定制性.
- 基因组数据与ML相结合,加速了有益微生物的识别.


