使用机器学习揭示了Enterobacter泛基因组的结构
Joshua T Burrows1, Gaoyuan Li1, Jonathan M Monk1
1Department of Bioengineering, University of California San Diego, La Jolla, California, USA.
这项研究使用777个基因组和非负矩阵因子化 (NMF) 定义了Enterobacter pangenome的结构. 机器学习识别了31个类型,揭示了血统相关和水平基因遗传模式,以改善分类.
科学领域:
- 微生物学 微生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 肠杆菌物种是已知具有抗微生物耐药性的重大医院病原体.
- 了解Enterobacter的基因组多样性对于研究其进化和抵抗机制至关重要.
- 公共可用的Enterobacter基因组为分析其泛基因组结构提供了机会.
研究的目的:
- 通过分析跨物种和亚种的基因分布来揭示Enterobacter pangenome的结构.
- 为了确定基因遗传的主要模式,无论是血统相关的和水平的,在Enterobacter属内.
- 为了能够对Enterobacter基因组进行强大的遗传学和功能分类.
主要方法:
- 使用泛基因组矩阵分析777个高质量的完整的Enterobacter基因组.
- 使用非负矩阵因子化 (NMF) 来识别基因组 (类) 的辅助基因组的分解.
- 根据定义的泛基因组结构对另外2,291个碎片化基因组序列进行分类.
主要成果:
- 定义了31个类,包括21个与血统相关的基因组和10个与移动遗传元素 (等离子体和染色体DNA) 相关的类.
- 证明已识别的泛基因组结构与碎片化基因组序列的分类是一致的.
- 启用了泛基因组范围内的遗传特征映射,包括机动性,生物合成,抗微生物耐药性和毒性因素.
结论:
- 31个已识别的类型定义了Enterobacter泛基因组结构,揭示了主要的遗传模式.
- 这种NMF驱动的分类增强了对Enterobacter进化和耐药性潜力的理解.
- 该研究提供了Enterobacter分离物的强有力的分类,澄清了分类学模两可,并确定了差异性的遗传特征.
更多相关视频
09:44Characterization of a Pathogenic Escherichia coli Strain Derived from Oreochromis spp. Farms Using Whole-Genome Sequencing
Published on: December 23, 2022
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
相关概念视频
Modern Molecular Taxonomy
Evolutionary Relationships through Genome Comparisons
Prokaryotic Gene Structure and Organization
Genomic DNA in Prokaryotes
Genomic Diversity in Bacteria
Although bacterial genomes are much...
Genome Annotation and Assembly
Comparing Mitochondrial, Chloroplast, and Prokaryotic Genomes
