一句話評(píng)價(jià)
利用深度學(xué)習(xí)從宏基因組數(shù)據(jù)中預(yù)測(cè)抗生素抗性基因
文章信息
題目：DeepARG: a deep learning approach for predicting antibiotic resistance genes from metagenomic data
雜志：Microbiome
時(shí)間：2018
鏈接: DOI： 10.1186/s40168-018-0401-z
文章介紹：
隨著抗生素耐藥率的不斷上升悲酷，人類面臨著需要擴(kuò)大和全面的全球監(jiān)測(cè)降允，尤其需要的是改進(jìn)監(jiān)測(cè)環(huán)境介質(zhì)（如廢水、農(nóng)業(yè)廢棄物票从、食品和水）的方法，以確定新的抗生素抗性基因（antibiotic resistance genes (ARGs）的潛在來(lái)源留美、基因交換的熱點(diǎn)以及ARGs的傳播和人類接觸的途徑摔蓝。二代測(cè)序現(xiàn)在能夠直接訪問(wèn)和剖析總宏基因組DNA，其中ARGs通痴荡ィ基于對(duì)現(xiàn)有數(shù)據(jù)庫(kù)的序列搜索的“best hits”來(lái)識(shí)別或預(yù)測(cè)渗蟹。但是块饺，這種方法產(chǎn)生了很高的假陰性率。為了解決這些限制雌芽，作者在這里提出一種深度學(xué)習(xí)方法授艰，使用所有已知的ARGs類別創(chuàng)建的不同矩陣。分別針對(duì)短讀長(zhǎng)序列和全基因長(zhǎng)度序列構(gòu)建了兩種深度學(xué)習(xí)模型：DeepARG-SS 和DeepARG-LS世落。
對(duì)30個(gè)抗生素耐藥類別的深度學(xué)習(xí)模型的評(píng)價(jià)表明淮腾，DeepARG模型可以同時(shí)預(yù)測(cè)高精度的ARGs（>0.97）和召回率（>0.90）。與典型的best hits方法相比屉佳，該模型顯示出一個(gè)優(yōu)勢(shì)谷朝，產(chǎn)生的假陰性率始終較低，因此整體召回率較高（>0.9）武花。隨著越來(lái)越多的數(shù)據(jù)可用于表示ARGs類別圆凰，由于底層神經(jīng)網(wǎng)絡(luò)的性質(zhì)，DeepARG模型的性能有望進(jìn)一步提高体箕。他們最新開發(fā)的ARG數(shù)據(jù)庫(kù)DeepARG-DB包含了高度可信的預(yù)測(cè)的ARGs和廣泛的手動(dòng)檢查专钉，極大地?cái)U(kuò)展了當(dāng)前的ARG存儲(chǔ)庫(kù)。
DeepARG的模型和數(shù)據(jù)庫(kù)網(wǎng)址：
http://bench.cs.vt.edu/deeparg.
碎碎念
各個(gè)領(lǐng)域都開始探索使用深度學(xué)習(xí)的方法解決問(wèn)題了累铅。深度學(xué)習(xí)跃须、抗生素抗性、宏基因組三個(gè)熱點(diǎn)方向娃兽，但是相關(guān)文章好像并不多菇民。
