DeepGDel:基于深度学习的基因删除预测框架,用于基因组规模代谢模型中的增长合生产
IEEE transactions on computational biology and bioinformatics
|August 14, 2025
概括
这项研究引入了一种新的深度学习框架,用于在代谢模型中预测基因删除策略,增强增长合生产. 该方法显著提高了对高效应变设计的现有方法的准确性.
科学领域:
- 代谢工程是代谢工程.
- 计算生物学 计算生物学
- 系统生物学 系统生物学
背景情况:
- 基因删除策略对于优化微生物细胞工厂的生长合生产至关重要.
- 目前用于预测基因删除的计算方法是计算密集的,并且不完全利用数据驱动的方法.
- 有效的菌株设计需要先进的计算工具来预测最佳的基因删除策略.
研究的目的:
- 为增长结合生产制定基因删除策略预测问题.
- 提出一种基于深度学习的新框架,用于自动基因删除策略预测.
- 根据基线方法评估拟议框架的性能.
主要方法:
- 基因删除策略预测问题的制定.
- 开发一个深度学习框架,整合序列基因和代谢物数据.
- 该框架应用于基因组规模的代谢模型,用于预测基因删除策略.
主要成果:
- 拟议的深度学习框架证明了可行性和比基准方法的实质性改进.
- 该框架在三个不同的代谢模型中实现了14.69%,22.52%和13.03%的精度增加.
- 在预测基因删除状态时,保持了平衡的精度和回忆.
结论:
- 开发的深度学习框架为预测基因删除策略提供了一种高效和准确的方法.
- 这一进步促进了改进的菌株设计,以提高增长合代谢物生产.
- 该框架的开源可用性促进了在代谢工程领域的进一步研究和应用.
