研究进展：微生物暗物质-深度学习 | Nature Machine Intelligence

文章预览

宏基因组组装基因组Metagenome-assembled genomes (MAGs)，为利用宏基因组测序数据，探索微生物暗物质，提供了有价值的见解。然而，越来越多的人担心宏基因组组装基因组MAG中的污染，会严重影响下游分析的结果。当前宏基因组组装基因组MAG纯化工具，主要依赖于标记基因，并且没有充分利用基因组序列的上下文信息。 近日，香港浸会大学（Hong Kong Baptist University）Bohao Zou，Lu Zhang等，在Nature Machine Intelligence上发文，开发了一种多模态深度语言模型Deepurify，利用微生物序列来移除宏基因组组装基因组MAGs中的“意外”片段。 Deepurify使用具有对比学习的多模态深层语言模型，匹配微生物基因组序列及其分类谱系。将宏基因组组装基因组MAG中的重叠群分配到宏基因组组装基因组MAG分离树中，并应用树遍历算法将宏基因组组装基因组MAG划分为子宏基因组组装基 ………………………………