.png){kind=icon}
返回
FGeneBERT: function-driven pre-trained gene language model for metagenomics
.png){kind=icon}
PRE
AI
DOI：10.1093/bib/bbaf592.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
元基因组数据包含混合的多物种基因组，在海洋和土壤等多样化环境中普遍存在，对人类健康和生态功能产生显著影响。然而，当前研究依赖K-mer方法，限制了结构相关和功能相关基因上下文的捕获。此外，这些方法难以编码生物学上有意义的基因，也无法处理元基因组数据中固有的多对一和一对多关系。为克服这些挑战，我们引入了FGeneBERT，一种新颖的元基因组预训练模型，该模型采用基于蛋白质的基因表示作为上下文感知且结构相关的分词器。FGeneBERT通过引入掩码基因建模来增强基因间上下文关系的理解，并通过三元组增强的元基因组对比学习来阐明基因序列-功能关系。在超过1亿条元基因组序列上进行预训练后，FGeneBERT在涵盖基因、功能、细菌和环境四个层面，输入序列数量从1到213 k的元基因组数据集上展现出卓越性能。ATP合酶和基因操纵子的案例研究突显了FGeneBERT在功能识别方面的能力及其在元基因组研究中的生物学相关性。
Keyword:
metagenomics
DNA
pre-trained language model
transformer
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
机构
引用论文
.png){kind=icon}
分享收藏Machine Learning and Deep Learning Applications in Metagenomic Taxonomy and Functional Annotation
OAAI
OAAI分享收藏ATP Synthase and the Actions of Inhibitors Utilized To Study Its Roles in Human Health, Disease, and Other Scientific AreasATP合酶和抑制剂的作用，用于研究其在人类健康，疾病和其他科学领域中的作用OAAI
OAAI分享收藏分享收藏
查看更多内容