.png){kind=icon}
返回
Approaches for accelerating microbial gene function discovery using artificial intelligence
.png){kind=icon}
PRE
AI
DOI：10.1038/s41564-025-02214-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
尽管基因组测序技术已迅速发展，微生物基因组中仍包含大量功能未知的基因，这对全面的基因组注释构成了持续挑战。传统注释方法受限于缺乏可扩展的实验技术以及常规同源基计算方法的局限性。近年来，计算领域的创新，特别是深度学习，已显著提升了基因功能预测的准确性，促进了转录因子、酶及其他蛋白质类别的更高效注释。整合计算与实验方法已推动基因功能发现工作流程的系统化发展，为更快、更准确、更全面的基因组注释铺平了道路。持续优化这些集成方法有望深化我们对微生物的理解。本文综述了人工智能在基因功能发现方面的最新进展，并探讨了实现可解释、高通量人工智能引导注释的未来方向。在本综述中，作者讨论了人工智能如何助力微生物基因功能发现。
Keyword:
Artificial Intelligence
Gene Function Discovery
Microbial Genomes
Deep Learning
Genome Annotation
期刊
IF:
19.4
论文数:
635
被引数:
2.7W
机构
引用论文
Systematic discovery of uncharacterized transcription factors in Escherichia coli K-12 MG1655.png)
NUCLEIC ACIDS RESEARCH
OAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏DeepTFactor: A deep learning-based tool for the prediction of transcription factorsDeepTFactor: 一种基于深度学习的转录因子预测工具
OAAI
OAAI分享收藏Unraveling the functions of uncharacterized transcription factors in Escherichia coli using ChIP-exo使用chip-exo解开未表征的转录因子在大肠杆菌中的功能NUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏Functional annotation of enzyme-encoding genes using deep learning with transformer layersNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏COFACTOR: improved protein function prediction by combining structure, sequence and protein-protein interaction informationNUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏ProGen2: Exploring the boundaries of protein language modelsProGen2: 探索蛋白质语言模型的边界CELL SYSTEMSOAAI
CELL SYSTEMSIF7.7
OAAI分享收藏
查看更多内容