Machine learning classifiers predict key genomic and evolutionary traits across the kingdoms of life.
Machine learning classifiers predict key genomic and evolutionary traits across the kingdoms of life.
复制标题
DOI：
10.1038/s41598-023-28965-7
复制
发表时间：
2023-02-06
影响因子：
4.6
通讯作者：
中科院分区：
文献类型：
--
作者：
在这项研究中，我们研究了生物体的密码子使用偏向如何作为生命领域中各种基因组和进化特征的预测者和分类器。我们对现有的遗传数据集进行二次分析，以建立几个人工智能/机器学习模型。当对近13,000个生物的密码子使用模式进行训练时，我们的模型准确地预测了核苷酸样本的起源细胞器和分类身份。我们扩展了我们的分析，通过定制的特征排名集合来识别最有影响力的密码子，用于系统发育预测。我们的结果表明，遗传密码可以用来训练分类和系统发育特征的准确分类器。然后，我们将该分类框架应用于开放阅读框架(ORF)检测。我们的统计模型评估了核苷酸样本中所有可能的ORF，并根据密码子使用分布拒绝或认为它们可信。我们的数据集和分析在GitHub和UCI ML Repository上公开提供，以促进开源可重复性和社区参与。
In this study, we investigate how an organism’s codon usage bias can serve as a predictor and classifier of various genomic and evolutionary traits across the domains of life. We perform secondary analysis of existing genetic datasets to build several AI/machine learning models. When trained on codon usage patterns of nearly 13,000 organisms, our models accurately predict the organelle of origin and taxonomic identity of nucleotide samples. We extend our analysis to identify the most influential codons for phylogenetic prediction with a custom feature ranking ensemble. Our results suggest that the genetic code can be utilized to train accurate classifiers of taxonomic and phylogenetic features. We then apply this classification framework to open reading frame (ORF) detection. Our statistical model assesses all possible ORFs in a nucleotide sample and rejects or deems them plausible based on the codon usage distribution. Our dataset and analyses are made publicly available on GitHub and the UCI ML Repository to facilitate open-source reproducibility and community engagement.
登录
查看更多内容
影响因子：
3.7
作者：
Khomtchouk, Bohdan B.;Hennessy, James R.;Wahlestedt, Claes
通讯作者：
Wahlestedt, Claes
影响因子：
2.6
作者：
Friedman, Robert;Ely, Bert
通讯作者：
Ely, Bert
影响因子：
4.4
作者：
Chicco, Davide;Jurman, Giuseppe
通讯作者：
Jurman, Giuseppe
影响因子：
14.9
作者：
Nakamura, Y;Gojobori, T;Ikemura, T
通讯作者：
Ikemura, T
DOI：
10.1073/pnas.2014567117
发表时间：
2020-11-17
影响因子：
11.1
作者：
Inouye, Masayori;Takino, Risa;Inouye, Keiko
通讯作者：
Inouye, Keiko