Machine Learning for detection of viral sequences in human metagenomic datasets.
Machine Learning for detection of viral sequences in human metagenomic datasets.
复制标题
DOI：
10.1186/s12859-018-2340-x
复制
发表时间：
2018-09-24
影响因子：
3
通讯作者：
Dillner J
中科院分区：
文献类型：
--
作者：
Bzhalava Z;Tampuu A;Bała P;Vicente R;Dillner J
从宏基因组测序数据集中检测高度不同或未知的病毒是一个主要的生物信息学挑战。当对人类样本进行测序时，大部分组装的重叠群被归类为“未知”，因为常规方法发现与已知序列没有相似性。我们希望探索使用相对同义密码子使用频率（RSCU）的机器学习算法是否可以改善宏基因组测序数据中病毒序列的检测。我们使用宏基因组序列训练随机森林和人工神经网络，宏基因组序列按分类学分为病毒和非病毒类。该算法实现的准确性远远超过机会水平，ROC曲线下面积为0.79。发现两个密码子（TCG和CGC）具有特别强的辨别能力。应用于宏基因组测序数据的基于RSCU的机器学习技术可以帮助识别大量推定的病毒序列，并为传统的分类学分类方法提供补充。本文的在线版本（10.1186/s12859-018-2340-x）包含补充材料，可供授权用户使用。
Detection of highly divergent or yet unknown viruses from metagenomics sequencing datasets is a major bioinformatics challenge. When human samples are sequenced, a large proportion of assembled contigs are classified as “unknown”, as conventional methods find no similarity to known sequences. We wished to explore whether machine learning algorithms using Relative Synonymous Codon Usage frequency (RSCU) could improve the detection of viral sequences in metagenomic sequencing data. We trained Random Forest and Artificial Neural Network using metagenomic sequences taxonomically classified into virus and non-virus classes. The algorithms achieved accuracies well beyond chance level, with area under ROC curve 0.79. Two codons (TCG and CGC) were found to have a particularly strong discriminative capacity. RSCU-based machine learning techniques applied to metagenomic sequencing data can help identify a large number of putative viral sequences and provide an addition to conventional methods for taxonomic classification. The online version of this article (10.1186/s12859-018-2340-x) contains supplementary material, which is available to authorized users.
登录
查看更多内容
DOI：
10.1093/bioinformatics/bts565
发表时间：
2012-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Fu L;Niu B;Zhu Z;Wu S;Li W
通讯作者：
Li W
影响因子：
1.8
作者：
Archer, Kelfie J.;Kirnes, Ryan V.
通讯作者：
Kirnes, Ryan V.
影响因子：
3.7
作者：
Foulongne, Vincent;Sauvage, Virginie;Eloit, Marc
通讯作者：
Eloit, Marc
影响因子：
1.7
作者：
Nowicki, Marek;Bzhalava, Davit;Bala, Piotr
通讯作者：
Bala, Piotr
使用病毒剖面隐藏的马尔可夫模型在人类中的病毒生态扩展。
影响因子：
3.7
作者：
Bzhalava Z;Hultin E;Dillner J
通讯作者：
Dillner J