
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用反向补体不变卷积神经网络(Reverse-Complement-Invariant CNN)实现肝片吸虫(Fasciola hepatica)和巨片吸虫(Fasciola gigantica)的泄漏防护ITS1鉴定
《Acta Parasitologica》:Leakage-Safe ITS1 Identification of Fasciola hepatica and Fasciola gigantica with Reverse-Complement-Invariant CNN Inference
【字体: 大 中 小 】 时间:2026年05月03日 来源:Acta Parasitologica 1.5
编辑推荐:
摘要背景在流行地区,准确区分肝片吸虫(Fasciola hepatica)和巨片吸虫(Fasciola gigantica)对于监测和控制肝片吸虫病至关重要。ITS1(内部转录间隔区1)是一种广泛使用的分子标记物,但基于ITS的鉴定计算方法必须考虑公共数据库中的数据质量问题,并确
在流行地区,准确区分肝片吸虫(Fasciola hepatica)和巨片吸虫(Fasciola gigantica)对于监测和控制肝片吸虫病至关重要。ITS1(内部转录间隔区1)是一种广泛使用的分子标记物,但基于ITS的鉴定计算方法必须考虑公共数据库中的数据质量问题,并确保可靠的决策支持。
我们开发了一种防泄漏、以决策为导向的ITS1物种鉴定流程。我们使用了一个包含527个ITS1序列的GenBank数据集,将其标准化为1000 bp,仅保留A/C/G/T/N字符,并进行聚类以识别近似重复序列。通过考虑聚类的训练/验证/测试划分来防止相似性泄漏。我们实现了ITSformer-RC,这是一种紧凑的、反向互补不变的1D卷积神经网络,并与轻量级集成模型结合使用,然后将其与BLAST和k-mer逻辑回归基线进行了比较。可靠性评估包括事后校准、在现实扰动(替换、插入/删除、屏蔽区间)下的鲁棒性测试,以及基于原则的 abstention(拒绝鉴定)的预测。
我们开发了一种防泄漏、以决策为导向的ITS1物种鉴定流程。我们使用了一个包含527个ITS1序列的GenBank数据集,将其标准化为1000 bp,仅保留A/C/G/T/N字符,并进行聚类以识别近似重复序列。通过考虑聚类的训练/验证/测试划分来防止相似性泄漏。我们实现了ITSformer-RC,这是一种紧凑的、反向互补不变的1D卷积神经网络,并与轻量级集成模型结合使用,然后将其与BLAST和k-mer逻辑回归基线进行了比较。可靠性评估包括事后校准、在现实扰动(替换、插入/删除、屏蔽区间)下的鲁棒性测试,以及基于原则的 abstention(拒绝鉴定)的预测。
ITSformer-RC和k-mer逻辑回归在独立的、考虑聚类的测试集(n=78)上均达到了100%的准确率(95% Wilson置信区间为0.953–1.000),ROC-AUC和平均精度均为1.00。强制BLAST的准确率为97.4%,而严格BLAST的覆盖率为35.9%,但在非拒绝鉴定的情况下条件准确率为100%。向量/类别级别的温度缩放提高了概率校准的准确性(NLL为0.00399,ECE为1.6×10??)。在受控扰动下,集成模型在替换(AURC为0.9981)、插入/删除(AURC为1.0000)和屏蔽区间(AURC为0.9902)的情况下表现出稳健的性能。可解释性分析确定了五个具有集中物种鉴别信号的ITS1窗口。
该流程提供了一个可重复的、考虑泄漏问题的框架,用于可靠的基于ITS1的肝片吸虫鉴定,强调决策准备性和鲁棒性,而不仅仅是原始准确率。深度学习和简单的统计基线在经过策划的基准测试中都达到了准确率的极限,表明在泄漏控制条件下ITS1具有很强的区分能力。校准后的概率、拒绝机制和鲁棒性特征支持实际的诊断工作流程。这些结果是在一个小型的公共数据集上进行的内部验证;在实地应用之前,还需要在不同地理区域、时间段和实验室中进行外部验证。
在流行地区,准确区分肝片吸虫(Fasciola hepatica)和巨片吸虫(Fasciola gigantica)对于监测和控制肝片吸虫病至关重要。ITS1(内部转录间隔区1)是一种广泛使用的分子标记物,但基于ITS的鉴定计算方法必须考虑公共数据库中的数据质量问题,并确保可靠的决策支持。
我们开发了一种防泄漏、以决策为导向的ITS1物种鉴定流程。我们使用了一个包含527个ITS1序列的GenBank数据集,将其标准化为1000 bp,仅保留A/C/G/T/N字符,并进行聚类以识别近似重复序列。通过考虑聚类的训练/验证/测试划分来防止相似性泄漏。我们实现了ITSformer-RC,这是一种紧凑的、反向互补不变的1D卷积神经网络,并与轻量级集成模型结合使用,然后将其与BLAST和k-mer逻辑回归基线进行了比较。可靠性评估包括事后校准、在现实扰动(替换、插入/删除、屏蔽区间)下的鲁棒性测试,以及基于原则的 abstention(拒绝鉴定)的预测。
我们开发了一种防泄漏、以决策为导向的ITS1物种鉴定流程。我们使用了一个包含527个ITS1序列的GenBank数据集,将其标准化为1000 bp,仅保留A/C/G/T/N字符,并进行聚类以识别近似重复序列。通过考虑聚类的训练/验证/测试划分来防止相似性泄漏。我们实现了ITSformer-RC,这是一种紧凑的、反向互补不变的1D卷积神经网络,并与轻量级集成模型结合使用,然后将其与BLAST和k-mer逻辑回归基线进行了比较。可靠性评估包括事后校准、在现实扰动(替换、插入/删除、屏蔽区间)下的鲁棒性测试,以及基于原则的 abstention(拒绝鉴定)的预测。
ITSformer-RC和k-mer逻辑回归在独立的、考虑聚类的测试集(n=78)上均达到了100%的准确率(95% Wilson置信区间为0.953–1.000),ROC-AUC和平均精度均为1.00。强制BLAST的准确率为97.4%,而严格BLAST的覆盖率为35.9%,但在非拒绝鉴定的情况下条件准确率为100%。向量/类别级别的温度缩放提高了概率校准的准确性(NLL为0.00399,ECE为1.6×10??)。在受控扰动下,集成模型在替换(AURC为0.9981)、插入/删除(AURC为1.0000)和屏蔽区间(AURC为0.9902)的情况下表现出稳健的性能。可解释性分析确定了五个具有集中物种鉴别信号的ITS1窗口。
该流程提供了一个可重复的、考虑泄漏问题的框架,用于可靠的基于ITS1的肝片吸虫鉴定,强调决策准备性和鲁棒性,而不仅仅是原始准确率。深度学习和简单的统计基线在经过策划的基准测试中都达到了准确率的极限,表明在泄漏控制条件下ITS1具有很强的区分能力。校准后的概率、拒绝机制和鲁棒性特征支持实际的诊断工作流程。这些结果是在一个小型的公共数据集上进行的内部验证;在实地应用之前,还需要在不同地理区域、时间段和实验室中进行外部验证。
生物通微信公众号