预测模型的基因基础基础的芽酵母适应能力在多个环境中
Kenia E Segura Abá1,2, Paulo Izquierdo2,3, Gustavo de Los Campos1,4,5,6
1Genetics and Genome Sciences Graduate Program, Michigan State University, East Lansing, Michigan, United States of America.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
机器学习模型使用35个环境中的遗传变异预测酵母健康状况. 副本数变异是关键,揭示了尚未探索的基因和复杂的基因环境相互作用以适应.
科学领域:
- 遗传学 是一个遗传学.
- 进化生物学 进化生物学
- 计算生物学 计算生物学
背景情况:
- 生物的适应依赖于基因与环境的相互作用,从而影响健康.
- 由于复杂的特征和相互作用,了解健身的遗传基础是具有挑战性的.
研究的目的:
- 使用各种遗传变异构建机器学习模型,预测各种环境中的适应性.
- 确定关键的遗传变异和基因,这些基因有助于Saccharomyces cerevisiae的健康变异.
主要方法:
- 利用机器学习对35个环境中的Saccharomyces cerevisiae分离物的现有健康数据.
- 纳入多种基因变异类型,包括副本数变异,以训练预测模型.
- 解释模型以识别与健康预测相关的基因和遗传相互作用.
主要成果:
- 基因变异的预测能力在不同环境中差异很大.
- 复制数变异解释了大多数环境中的大部分健康变化.
- 非实验验证的基因对健康预测至关重要,突出未经探索的遗传因素.
- 确定了环境特异性的基因贡献和相互作用,包括新的基因应激候选者.
结论:
- 机器学习有效地使用多种基因变异预测健康状况.
- 影响健康的许多基因仍然未被发现,特别是那些尚未经过实验验证的基因.
- 这些发现为确定健身的遗传基础和功能研究的新目标提供了一个框架.


