Machine Learning-Enabled Genome Mining and Bioactivity Prediction of Natural Products.
Machine Learning-Enabled Genome Mining and Bioactivity Prediction of Natural Products.
复制标题
基于机器学习的天然产物基因组挖掘与生物活性预测。
DOI：
10.1021/acssynbio.3c00234
复制
发表时间：
2023-09-15
影响因子：
4.7
通讯作者：
Zhao, Huimin
中科院分区：
文献类型：
--
作者：
Yuan, Yujie;Shi, Chengyou;Zhao, Huimin
关键词：
微生物和植物产生的天然产物是药物、除草剂和杀菌剂的主要来源。由于DNA测序、生物信息学和基因组挖掘工具的最新进展，多年来产生了大量关于NP生物合成的数据，这些数据被越来越多地利用来开发用于NP发现的机器学习(ML)工具。在这篇综述中，我们讨论了开发和应用ML工具的最新进展，以探索可由基因组语言编码的潜在NPs，并预测NPs的生物活性类型。我们还研究了与NP研究的ML工具的开发和应用相关的技术挑战。
Natural products (NPs) produced by microorganisms and plants are a major source of drugs, herbicides, and fungicides. Thanks to recent advances in DNA sequencing, bioinformatics, and genome mining tools, a vast amount of data on NP biosynthesis has been generated over the years, which has been increasingly exploited to develop machine learning (ML) tools for NP discovery. In this review, we discuss the latest advances in developing and applying ML tools for exploring the potential NPs that can be encoded by genomic language and predicting the types of bioactivities of NPs. We also examine the technical challenges associated with the development and application of ML tools for NP research.
登录
查看更多内容
影响因子：
4.6
作者：
de los Santos, Emmanuel L. C.
通讯作者：
de los Santos, Emmanuel L. C.
从海洋和微生物来源发现抗肿瘤和抗生素药物的铅样分子的化学信息学方法。
影响因子：
5.4
作者：
Pereira F;Latino DA;Gaudêncio SP
通讯作者：
Gaudêncio SP
基于生物信息学和基于反应性的发现。
影响因子：
4
作者：
Georgiou MA;Dommaraju SR;Guo X;Mast DH;Mitchell DA
通讯作者：
Mitchell DA
影响因子：
8.6
作者：
Heller SR;McNaught A;Pletnev I;Stein S;Tchekhovskoi D
通讯作者：
Tchekhovskoi D
影响因子：
6.7
作者：
Aswad, Miran;Rayan, Mahmoud;Rayan, Anwar
通讯作者：
Rayan, Anwar