使用神经网络从生物合成基因集群预测生物活动.

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.
• 药物发现 药物发现 药物发现

背景情况:

• 微生物是药物开发的天然产品来源.
• 鉴定新生物活性分子是具有挑战性的,因为复杂的过程.
• 基因组挖掘和机器学习为自然产品发现提供了计算方法.

研究的目的:

• 开发一种改进的计算工具,用于从微生物基因组中检测多种生物活性.
• 解决现有工具的局限性,包括小数据集和过时的方法.
• 为了促进新型天然产品的识别,以潜在的治疗应用.

主要方法:

• 从MIBiG数据库中编制了一个扩展的培训数据集.
• 使用antiSMASH工具进行生物合成基因集群 (BGC) 识别.
• 引入了基于序列的新型基因组描述器.
• 使用带有类权重的神经网络来处理不平衡的数据.
• 与文献挖掘的测试集对该工具进行了验证,并与现有方法进行了比较.

主要成果:

• 开发的NPBdetect工具在检测多种生物活性方面表现出高度的信心.
• 在识别潜在的自然产品方面,NPBdetect的性能优于现有的工具.
• 新的基于序列的描述器提高了生物活性预测的准确性.
• 类权重技术有效地解决了模型中的类不平衡问题.

结论:

• NPBdetect提供了一种更有效,更可靠的方法来发现具有多种生物活性的天然产品.
• 这种工具可以加快从微生物基因组数据中识别新型药物候选者的速度.
• 该方法推进了计算自然产品发现和基因组挖掘领域.