XenoBug:基于机器学习的工具,可以从环境元基因组中预测污染物降解酶
Aditya S Malwe1, Usha Longwani1, Vineet K Sharma1
1MetaBioSys Group, Department of Biological Sciences, Indian Institute of Science Education and Research, Bhopal, 462066, India.
NAR genomics and bioinformatics
|May 2, 2025
概括
机器学习工具XenoBug识别了细菌酶,用于生物修复农药和塑料等有毒的异生菌. 它预测酶,反应和物种,帮助环境清理工作.
科学领域:
- 环境微生物学环境微生物学
- 生物技术是生物技术.
- 计算生物学是一种计算生物学.
背景情况:
- 异生菌化合物对生态和健康构成重大风险.
- 使用细菌酶进行生物修复提供了一个可持续的解决方案.
- 识别降解各种异生菌的酶是具有挑战性的.
研究的目的:
- 开发一种机器学习工具,XenoBug,用于预测细菌酶及其在异生生物降解中的功能.
- 为了确定生物修复的新型酶和代谢途径.
- 为预测外来生物代谢提供一个平台.
主要方法:
- 开发了XenoBug,这是一个机器学习工具,使用混合功能集 (分子描述器,指纹).
- 在来自环境元基因组和细菌基因组的广泛酶数据集上训练模型.
- 验证了XenoBug对不同类别异生菌的预测.
主要成果:
- XenoBug准确地预测了细菌酶,酶反应和涉及到异生菌生物降解的物种.
- 在不同反应类中实现了高二进制精度 (>0.75) 和F1分数 (>0.62).
- 成功预测已知和新型酶降解农药,污染物和碳化合物.
结论:
- 在预测异生菌代谢和识别生物修复酶方面,XenoBug具有广泛的实用性.
- 该工具有助于发现环境应用的新型生物催化剂.
- XenoBug 是一个有价值的资源,用于推进异生菌生物降解研究和应用.
