文献

J-GLOBAL ID：202202222505601941   整理番号：22A1178570

PPA-GCN:原核生物経路割当のための効率的GCNフレームワーク【JST・京大機械翻訳】

PPA-GCN: A Efficient GCN Framework for Prokaryotic Pathways Assignment

著者 (4件)： Lu Yuntao (1Key Laboratory of Freshwater Ecology and Biotechnology, Institute of Hydrobiology, Chinese Academy of Sciences, Wuhan, China) ,  Lu Yuntao (2College of Advanced Agricultural Sciences, University of Chinese Academy of Sciences, Beijing, China) ,  Li Qi (1Key Laboratory of Freshwater Ecology and Biotechnology, Institute of Hydrobiology, Chinese Academy of Sciences, Wuhan, China) ,  Li Tao (1Key Laboratory of Freshwater Ecology and Biotechnology, Institute of Hydrobiology, Chinese Academy of Sciences, Wuhan, China)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 13  ページ： 839453  発行年： 2022年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 配列決定技術の急速な発展により,微生物の完成したゲノムは爆発的に出現した。新たに配列決定された原核生物ゲノムのために,遺伝子機能アノテーションと代謝経路帰属は,すべてのその後の研究作業のための重要な基礎である。しかし,遺伝子代謝経路の帰属率は全体で48%未満である。それは新たに配列決定された原核生物ゲノムに対しても低く,その後の研究のボトルネックになった。したがって,高精度代謝経路帰属フレームワークの開発が緊急に必要である。ここでは,KEGG情報とゲノム特性を用いた機能的経路帰属を支援するために,グラフ畳込みネットワークに基づく原核生物経路帰属フレームワークであるPPA-GCNを開発した。フレームワークにおいて,ゲノム遺伝子シンテニー情報を用いてネットワークを構築し,自己監督学習のアイデアを,フレームワークの学習能力を強化するために着想した。本フレームワークは十分な全ゲノム配列を持つ微生物属に適用できる。帰属率を評価するために,3つの異なる属(Flavobacterium(65ゲノム)とPseudomonas(100ゲノム),Staphylococcus(500ゲノム))からのゲノムを使用した。3つの試験属の初期の機能的経路帰属率は,27.7%(Flavobacterium),49.5%(Pseudomonas)および30.1%(Staphylococcus)であった。PPA-GCNは,割り当て速度に対して84.8%(Flavobacterium),77.0%(Pseudomonas)および71.0%(Staphylococcus)の優秀性を達成した。同時に,PPA-GCNは強いフォールトトレランスを有することが証明された。このフレームワークは代謝経路の帰属への新たな洞察を提供し,機能的アノテーションを解釈するための将来の深い学習応用を知り,十分なゲノムを持つ全ての原核生物属に拡張すると思われる。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  学習 ,  データベース ,  ネットワーク ,  遺伝子 ,  ヌクレオチド配列 ,  ゲノム ,  代謝経路 ,  ぶどう球菌属 ,  Pseudomonas ,  Flavobacterium ,  *原核生物 ,  分子遺伝現象 ,  アノテーション ,  配列相同性
準シソーラス用語： シンテニー ,  ゲノム配列 ,  KEGG ,  遺伝子機能 , 【Automatic Indexing@JST】

著者キーワード (5件)： グラフ畳込みネットワーク ,  原核生物ゲノム ,  代謝経路 ,  深層学習 ,  自己管理

分類 (4件)： 遺伝子発現  (EC02040Q) ,  代謝一般  (EB02030C) ,  遺伝学研究法  (EC01020N) ,  分子・遺伝情報処理  (JE15040B)

引用文献 (46件)：

• AgrawalM., ZitnikM., LeskovecJ. (2018). “"Large-scale Analysis of Disease Pathways in the Human Interactome,"” in PACIFIC SYMPOSIUM ON BIOCOMPUTING 2018: Proceedings of the Pacific Symposium, 111-122. doi: 10.1142/9789813235533_0011
• AltschulS. F., GishW., MillerW., MyersE. W., LipmanD. J. (1990). Basic Local Alignment Search Tool. J. Mol. Biol. 215 (3), 403-410. doi: 10.1016/s0022-2836(05)80360-2
• AramakiT., Blanc-MathieuR., EndoH., OhkuboK., KanehisaM., GotoS., et al (2020). KofamKOALA: KEGG Ortholog Assignment Based on Profile HMM and Adaptive Score Threshold. Bioinformatics 36 (7), 2251-2252. doi: 10.1093/bioinformatics/btz859
• BazgirO., ZhangR., DhrubaS. R., RahmanR., GhoshS., PalR. (2020). Representation of Features as Images with Neighborhood Dependencies for Compatibility with Convolutional Neural Networks. Nat. Commun. 11 (1), 4391. doi: 10.1038/s41467-020-18197-y
• BensonD. A., CavanaughM., ClarkK., Karsch-MizrachiI., LipmanD. J., OstellJ., et al (2012). GenBank. Genbank. Nucleic Acids Research 41 (D1), D36-D42. doi: 10.1093/nar/gks1195

タイトルに関連する用語 (5件)： PPA ,  原核生物 ,  経路 ,  割当 ,  フレームワーク