预测

搜索
登录

预测

文章数：13篇

张和平+张文羿+左永春：机器学习平台iProbiotics助力益生菌快速筛选

益生菌的发现和实验验证需要大量的时间和精力，因此，开发有效的益生菌筛选方法具有重要意义。内蒙古农业大学张和平、张文羿和左永春作为共同通讯作者，在Briefings in Bioinformatics发表研究，开发了一个基于机器学习算法的平台，一种新颖且免费的在线生物信息学工具 iProbiotics，用于从可用的全基因组测序数据中预测益生菌特征，它将促进益生菌的快速筛选。作者构建了三个独立模型，其可在 http://bib.oxfordjournals.org/ 上在线获得，作者的研究结果为益生菌的鉴定和潜在机制提供了新的见解。

益生菌 k-mer组成预测特征选择机器学习

Lancet子刊：深度学习框架预测大肠癌分子路径和关键突变

确定大肠癌中分子通路和关键突变的状态对最佳治疗决策至关重要。最新发表在Lancet Digital Health的研究，经过大规模验证，提出用于预测临床重要突变和分子通路的算法（如微卫星不稳定性），可在结直肠癌中对患者分层，进行靶向治疗。相比基于测序或基于免疫组化的方法，该方法可能成本更低，周转时间更快。

结直肠癌研究论文医学研究基础研究深度学习

中山大学团队：可预测大肠癌患者预后的生物标志物（综述）

II/III期结直肠癌（CRC）患者术后治疗策略仍有争议，目前主要根据组织病理特点和临床危险因素判断是否进行辅助化疗，然而，也只有小部分患者能从辅助化疗中受益。因此，迫切需要更严格的分层生物标志物来帮助进一步区分这些患者群体。来自中山大学的徐瑞华及研究团队最新发表在Molecular Therapy的综述，讨论了发现生物标志物的策略，总结了之前发表的生物标志物在CRC中的地位并评估其效用。

结直肠癌预后预测基因组转录组学

早期侵袭性宫颈癌

利用粪便菌群诊断早期侵袭性宫颈癌

关于侵袭性宫颈癌（ICC）患者粪便微生物群变化的证据较为缺乏。最新发表在Cancers的研究通过对比健康女性（HC）和临床证实的早期侵袭性宫颈癌（CAN）女性患者的粪菌，发现两组菌群分类谱存在明显差别，并据此构建了用于区分CAN和HC的分类器模型。

早期侵袭性宫颈癌机器学习肠道菌群阴道微生物预测

预防细菌性阴道炎？或许得从男性伴侣入手！

本文是一篇十分有趣的研究，其探索了男性尿道及阴茎冠状沟处菌群结构与其女性性伴侣未来1年内发生细菌性阴道炎的关联。临床上，所有的性传播疾病都强调夫妻共同接受治疗，而细菌性阴道炎的预防其实也是夫妻共同事项！男性责无旁贷。

阴茎菌群细菌性阴道炎研究论文医学研究性伴侣

微生物组数据预测建模的的深度学习新方法

基于微生物组数据建立临床结果的预测模型是必不可少的，系统发育树代表了微生物组的一种独特的相关结构，是提高预测性能的重要前提。然而，以有效且严格的方式考虑系统发育树的预测方法还不成熟。本研究开发了一种新颖的深度学习预测方法MDeep（基于微生物组的深度学习方法）来预测连续和二元结果。从概念上讲，MDeep设计卷积层以在每个卷积层上使用多个卷积过滤器模拟分类等级，以捕获局部接受域中微生物物种之间的系统发育相关性，并通过特征映射保持不同卷积层之间的相关性结构。总而言之，卷积层及其内置的卷积过滤器可捕获不同分类级别的微生物信号，同时促进局部平滑化并保留系统树诱导的局部连通性。本研究使用模拟研究和实际数据应用程序来证明MDeep在回归和二元分类方面优于其他竞争方法。

微生物组系统发育深度学习机器学习预测

如何在组学风靡的条件下充分挖掘微生物生态学领域的“黄金”

基于特征的微生物生态研究方法经常被微生态领域研究者使用，但对于这个概念却不经常提及，直接的特征包括微生物的形态特征，代谢特征等，间接的特征包括用于微生物分类的保守核苷酸序列，mRNA，蛋白序列等。基于特征的研究方法遍布微生物生态学领域，尤其是当高通量测序风靡全球之后，通过核苷酸序列，蛋白，或者代谢产物等信息对微生物物种进行分类，对功能进行预测，并由其衍生出了多组学方法：宏基因组，转录组，蛋白组，代谢组等。这些组学的发展大大扩展了我们对微生物群落，互作，生态的理解。然而组学往往与生物信息学密切相关，分析管道和数据库成了我们理解微生物生态的有力武器。有人说目前微生物生态学领域刚刚打开一扇门。不论这句话是否妥切，我们目前面临的确实是大量算法和方法的开发，各种分析管道和数据库的构建和完善。本文为我们统筹了各种微生物生态研究方法以及发展；希望在一个整体的框架下让我们是对这些基于特征的研究方法进行选择，整合，预测，微生态领域的一些关键问题。

功能特征微生物生态学适应性变异解释预测

antiSMASH数据库

antiSMASH数据库2—次级代谢物基因簇预测

源于微生物的天然产品经常用于抗菌和抗癌药物、杀虫剂、除草剂或杀菌剂。近二十年来，基因组数据的不断增加，使通过基因组挖掘来获取化合物的生物合成簇成为可能。antiSMASH是该领域最流行的工具之一。自2011年首次发布以来，antiSMASH已成为次级代谢产物基因组挖掘的标准工具，antiSMASH数据库为许多公开可用的微生物基因组提供预先计算的antiSMASH结果，并允许进行高级跨基因组搜索。目前是该任务最广泛使用的软件流程，引用超3000次。

antiSMASH数据库次级代谢产物预测注释基因簇

用唾液样本预测口臭的机器学习方法

BMC Oral Health近期发表一项研究，分析了90名受试者的唾液菌群，用深度学习方法建模，能以高达97%的准确率预测口臭。

口臭口腔菌群预测深度学习方法 Deep learning

二型糖尿病

Lancet子刊：预警糖尿病，精确的计算模型靠谱？

① 多数情况下，糖尿病起因隐秘，常伴有代谢状态紊乱，但仅靠观察表型改变难以对疾病进行准确诊断；② 结合实验观察与计算机建模的系统生物学能够在多个层面模拟疾病相关的生理过程，为糖尿病管理做出贡献；③ 基于人口风险因素、数据挖掘和分子水平的多种模型，可以识别有患糖尿病风险的个人，并优化其健康管理，也可评估药物疗效；④ 模拟由进食引发的生化和生理过程的复杂网络，可以提高我们对从代谢功能障碍到显性疾病的步骤的理解。

二型糖尿病计算机模型预测

由种系发生预测微生物特性

种系发生反映细菌和古细菌遗传及表型特征。①应用rRNA拷贝数、基因内容、对非生环境抗性等保守特点可预测未知类群特点②由于信息有限微生物生态学很难精确重建种群③研究990种细菌、古细菌发现种系发生保守性在生物树中广泛存在，尤其是遗传相关的特性④评测了利用种系发生预测特性的准确性。

微生物种系发生预测 Yuanxiang Jin Zhengwei Fu

精氨酸甲基化与心血管疾病风险的代谢组学分析：一氧化氮合酶抑制之外的潜在机制

收集1011份血浆样本研究三年内主要心脏不良反应MACE。①HPLC与串联质谱测定ADMA, SDMA, MMA, 甲酰赖氨酸，精氨酸水平②高SDMA，低MMA与冠脉疾病相关③ADMA与精氨酸甲基化指数可预测MACE的发生④这些NO合酶抑制之外的因子与甲酰精氨酸和冠脉疾病相关。

一氧化氮冠状动脉疾病预测

精氨酸甲基化对慢性收缩性心力衰竭患者的舒张功能障碍与疾病进展的不同影响

① 对132例慢性收缩性心力衰竭患者血浆中非对称/对称二甲基精氨酸（ADMA、SDMA）、n -单甲基精氨酸及甲基赖氨酸测定；② ADMA和SDMA水平升高与利钠肽水平升高显著相关，SDMA水平升高与肾功能恶化显著相关；③ 甲基化精氨酸代谢物水平升高（除甲基赖氨酸）与左室舒张功能障碍有关；④ ADMA水平升高与晚期右心室收缩功能障碍相关，β受体阻滞剂可显著降低ADMA水平；⑤ 在精氨酸甲基化衍生物中，ADMA对疾病进展和不良结果的独立预测能力最强。

心脏衰竭精氨酸甲基化舒张功能预测