論文の概要: Defining Reference Sequences for Nocardia Species by Similarity and
Clustering Analyses of 16S rRNA Gene Sequence Data
- arxiv url: http://arxiv.org/abs/2311.17965v1
- Date: Wed, 29 Nov 2023 12:09:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 19:26:44.323940
- Title: Defining Reference Sequences for Nocardia Species by Similarity and
Clustering Analyses of 16S rRNA Gene Sequence Data
- Title(参考訳): 16S rRNA遺伝子配列データの類似性とクラスタリングによるノカルディア属の基準配列の決定
- Authors: Manal Helal, Fanrong Kong, Sharon C. A. Chen, Michael Bain, Richard
Christen, Vitali Sintchenko
- Abstract要約: ノカルディアの364種の16S rRNA遺伝子配列を調べた。
LMアルゴリズムは最高性能を達成し、364の16S rRNA配列を80のクラスタに分類した。
単純なkNN機械学習は最高性能を示し、92.7%の精度でNocardia種を分類した。
- 参考スコア(独自算出の注目度): 0.3262230127283452
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The intra- and inter-species genetic diversity of bacteria and the absence of
'reference', or the most representative, sequences of individual species
present a significant challenge for sequence-based identification. The aims of
this study were to determine the utility, and compare the performance of
several clustering and classification algorithms to identify the species of 364
sequences of 16S rRNA gene with a defined species in GenBank, and 110 sequences
of 16S rRNA gene with no defined species, all within the genus Nocardia. A
total of 364 16S rRNA gene sequences of Nocardia species were studied. In
addition, 110 16S rRNA gene sequences assigned only to the Nocardia genus level
at the time of submission to GenBank were used for machine learning
classification experiments. Different clustering algorithms were compared with
a novel algorithm or the linear mapping (LM) of the distance matrix. Principal
Components Analysis was used for the dimensionality reduction and
visualization. Results: The LM algorithm achieved the highest performance and
classified the set of 364 16S rRNA sequences into 80 clusters, the majority of
which (83.52%) corresponded with the original species. The most representative
16S rRNA sequences for individual Nocardia species have been identified as
'centroids' in respective clusters from which the distances to all other
sequences were minimized; 110 16S rRNA gene sequences with identifications
recorded only at the genus level were classified using machine learning
methods. Simple kNN machine learning demonstrated the highest performance and
classified Nocardia species sequences with an accuracy of 92.7% and a mean
frequency of 0.578.
- Abstract(参考訳): 細菌の種内および種間遺伝的多様性と、最も代表的である「参照」の欠如は、配列に基づく同定において重要な課題である。
本研究の目的は,16S rRNA遺伝子の364の配列をGenBankで定義した種,110の配列をNocardia属で同定し,その有効性を判定し,いくつかのクラスタリングおよび分類アルゴリズムの性能を比較することである。
ノカルディアの364種の16S rRNA遺伝子配列を調べた。
さらに、genbankへの提出時にnocardia属にのみ割り当てられた110個の16s rrna遺伝子配列を機械学習の分類実験に使用した。
異なるクラスタリングアルゴリズムを距離行列の新たなアルゴリズムや線形写像(LM)と比較した。
主成分分析は次元の減少と可視化に用いられた。
結果: LMアルゴリズムは最高性能を達成し, 364の16S rRNA配列を80個のクラスタに分類した。
個々のノカルディア種に対して最も代表的な16S rRNA配列は、他の全ての配列との距離を最小化する「センチロイド」として同定され、110の16S rRNA配列は、属レベルでのみ記録された。
単純なkNN機械学習は最高性能を示し、92.7%、平均周波数0.578のNocardia種配列を分類した。
関連論文リスト
- Linear normalised hash function for clustering gene sequences and
identifying reference sequences from multiple sequence alignments [4.34040512215583]
線形マッピングハッシュ関数と多重シーケンスアライメント(MSA)を組み合わせた新しい手法を開発した。
本手法は,ノカルディア属の16S rRNA遺伝子配列と高度に変異した(エンテロウイルス71のVP1ゲノム領域)配列を用いて評価した。
論文 参考訳(メタデータ) (2023-11-29T11:51:05Z) - scHyena: Foundation Model for Full-Length Single-Cell RNA-Seq Analysis
in Brain [46.39828178736219]
我々はこれらの課題に対処し、脳内のscRNA-seq解析の精度を高めるために設計された基礎モデルであるscHyenaを紹介する。
scHyenaは、線形適応層、遺伝子埋め込みによる位置エンコーディング、および双方向ハイエナ演算子を備えている。
これにより、生データから情報を失うことなく、全長の scRNA-seq データを処理できる。
論文 参考訳(メタデータ) (2023-10-04T10:30:08Z) - Fast and Functional Structured Data Generators Rooted in
Out-of-Equilibrium Physics [62.997667081978825]
エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。
伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。
非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
論文 参考訳(メタデータ) (2023-07-13T15:08:44Z) - HyenaDNA: Long-Range Genomic Sequence Modeling at Single Nucleotide
Resolution [76.97231739317259]
本稿では,ヒト参照ゲノム上に,最大100万個のトークンを単一ヌクレオチドレベルで有するゲノム基盤モデルであるHyenaDNAについて紹介する。
Nucleotide Transformerの微調整されたベンチマークでは、HyenaDNAが18のデータセットのうち12の最先端(SotA)に到達した。
論文 参考訳(メタデータ) (2023-06-27T20:46:34Z) - Optirank: classification for RNA-Seq data with optimal ranking reference
genes [0.0]
そこで我々は,ロジスティック回帰モデルであるOptiicrankを提案し,モデルと遺伝子のパラメータを同時に学習し,ランキングの基準セットとして使用する。
また、列車データと試験データの間に異なる種類の分散シフトを示す実際の分類タスクについても検討する。
論文 参考訳(メタデータ) (2023-01-11T10:49:06Z) - Diversifying Design of Nucleic Acid Aptamers Using Unsupervised Machine
Learning [54.247560894146105]
短い一本鎖RNAとDNA配列(アプタマー)の逆設計は、一連の望ましい基準を満たす配列を見つけるタスクである。
我々は、Pottsモデルとして知られる教師なし機械学習モデルを用いて、制御可能なシーケンスの多様性を持つ新しい有用なシーケンスを発見することを提案する。
論文 参考訳(メタデータ) (2022-08-10T13:30:58Z) - Assigning Species Information to Corresponding Genes by a Sequence
Labeling Framework [7.231921004060877]
既存の手法は典型的には、本論文における遺伝子と種間の共起に基づく規則に依存している。
本研究では,新しい深層学習フレームワークを用いた高性能な手法を開発し,遺伝子と種が関係しているかどうかを分類する。
ベンチマークの結果,本手法はルールベースベースライン法と比較すると,かなり高い性能が得られることがわかった。
論文 参考訳(メタデータ) (2022-05-08T12:39:45Z) - Biomarker Gene Identification for Breast Cancer Classification [2.403531305046943]
本研究は,バイオマーカーの同定にサブタイプ分類に用いるディープニューラルネットワークによる解釈予測を用いた。
提案したアルゴリズムは、43個の差分表現された遺伝子シグネチャの発見に繋がった。
論文 参考訳(メタデータ) (2021-11-10T06:38:50Z) - Multi-modal Self-supervised Pre-training for Regulatory Genome Across
Cell Types [75.65676405302105]
我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。
我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
論文 参考訳(メタデータ) (2021-10-11T12:48:44Z) - Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。
本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。
私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文 参考訳(メタデータ) (2021-02-11T09:04:45Z) - Machine learning applications to DNA subsequence and restriction site
analysis [0.0]
制限合成は、エンドヌクレアーゼを用いて参照配列からクエリ配列を合成する新規な反復的DNA合成法である。
本研究では、3つの異なる機械学習手法を用いて合成法に適用または適用できないと分類することで、短いサブシーケンスから参照シーケンスを構築する。
SVM、ランダム森林、CNNの感度はそれぞれ94.9%、92.7%、91.4%である。
論文 参考訳(メタデータ) (2020-11-07T13:37:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。