
-
生物通官微
陪你抓住生命科技
跳动的脉搏
通过跨物种基因组混合特征机器学习方法,更精准地识别关键细菌运动基因
《BMC Genomics》:Enhanced identification of key bacterial motility genes via a cross-species genomic hybrid feature machine learning approach
【字体: 大 中 小 】 时间:2026年06月24日 来源:BMC Genomics 3.9
编辑推荐:
摘要高效准确地识别功能基因对生物研究至关重要,但传统的单一物种分析方法往往存在效率低下的问题。此前,我们利用跨物种蛋白质结构域特征和机器学习技术建立了一种识别关键基因的新方法。然而,与特定结构域相关的基因数量众多,给后续的实验验证带来了巨大负担。为了解决这一问题,本研究提出了一种
高效准确地识别功能基因对生物研究至关重要,但传统的单一物种分析方法往往存在效率低下的问题。此前,我们利用跨物种蛋白质结构域特征和机器学习技术建立了一种识别关键基因的新方法。然而,与特定结构域相关的基因数量众多,给后续的实验验证带来了巨大负担。为了解决这一问题,本研究提出了一种改进方法,将基于EggNOG的蛋白质序列注释与结构域分析相结合。首先对未注释的序列进行蛋白质结构域分析,从而生成一个包含“直接基因注释与结构域信息”的综合混合特征矩阵。虽然这种混合矩阵模型的预测精度与原有方法相当,但其特征分辨率有了显著提升:排名前50的特征均为已知的与运动能力相关的基因或结构域。在排名前100的特征中,有58个通过实验证据被确认与运动能力直接相关。尽管在严格的属级分类控制下仍能得到51个被确认的特征,但过度的分类限制会大幅减少可用于训练的基因组数量,这反而可能降低识别效率。这些结果表明,新方法能有效减少后续的实验工作量,实现一次性高通量识别功能基因。其准确性和效率均远超现有的单一物种识别方法,为挖掘其他复杂细菌表型背后的关键基因提供了高效的解决方案。
高效准确地识别功能基因对生物研究至关重要,但传统的单一物种分析方法往往存在效率低下的问题。此前,我们利用跨物种蛋白质结构域特征和机器学习技术建立了一种识别关键基因的新方法。然而,与特定结构域相关的基因数量众多,给后续的实验验证带来了巨大负担。为了解决这一问题,本研究提出了一种改进方法,将基于EggNOG的蛋白质序列注释与结构域分析相结合。首先对未注释的序列进行蛋白质结构域分析,从而生成一个包含“直接基因注释与结构域信息”的综合混合特征矩阵。虽然这种混合矩阵模型的预测精度与原有方法相当,但其特征分辨率有了显著提升:排名前50的特征均为已知的与运动能力相关的基因或结构域。在排名前100的特征中,有58个通过实验证据被确认与运动能力直接相关。尽管在严格的属级分类控制下仍能得到51个被确认的特征,但过度的分类限制会大幅减少可用于训练的基因组数量,这反而可能降低识别效率。这些结果表明,新方法能有效减少后续的实验工作量,实现一次性高通量识别功能基因。其准确性和效率均远超现有的单一物种识别方法,为挖掘其他复杂细菌表型背后的关键基因提供了高效的解决方案。