在原始纳米孔信号中使用混合变压器识别无基调电阻基因

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 机器学习 机器学习

背景情况:

• 纳米孔测序提供实时基因组数据,但由于计算密集的基调调用而受到阻碍.
• 目前分析原始纳米孔信号的方法仅限于读取级别的任务,无法检测特定的基因,如抗生素耐药性基因 (ARG).

研究的目的:

• 开发一种方法来检测特定的基因,特别是ARG,直接从原始纳米孔信号,而不是基调.
• 为了实现实时基因组诊断和抗体组概况.

主要方法:

• 开发了一个名为NanoResFormer的混合卷积变压器模型.
• 采用浮动窗口策略来有效处理可变长度输入.
• 训练模型从原始纳米孔信号数据直接检测临床相关的ARG.

主要成果:

• 在检测ARG时,NanoResFormer实现了92.6%的灵敏度和超过93%的精度.
• 该模型展示了短延迟,在测序过程中实现实时分析.
• 成功地从原始信号中直接检测到特定的基因,绕过了基调调用步骤.

结论:

• 使用NanoResFormer对原始纳米孔信号的直接分析绕过了基调,加速了基因组诊断.
• 这种方法有助于实时抗体形,这对于临床决策和监测至关重要.
• 在快速基因组分析和病原体识别方面,NanoResFormer代表了重大进步.