利用机器学习与代谢建模预测21种假单胞菌的植物根相关生态位
基因组学
2017-01-13 v1
摘要
植物很少出现在孤立系统中。细菌可栖息于内根圈（endosphere，植物根内部区域）或根际（rhizosphere，植物根外部紧邻的土壤区域）。我们的目标是了解，在使用基因组数据和依赖于培养基的代谢模型信息来训练机器学习以预测细菌生态位时，是否优于不依赖培养基的模型或纯基于基因组的物种树。我们考虑了三种机器学习技术：支持向量机、非负矩阵分解和人工神经网络。在所有三种机器学习方法中，基于培养基的代谢模型和通量平衡分析在预测细菌生态位方面比基因组或 PRMT 模型更有效。在含有甘露糖、脯氨酸和缬氨酸的基本培养基基础上训练的支持向量机在所有模型和培养基类型中预测性能最佳，其对根际的 f-score 为 0.8，对内根圈的 f-score 为 0.97。因此我们可以得出结论，基于培养基的代谢建模提供了代谢组的整体视图，使机器学习算法能够突出并分类内根圈和根际细菌之间的差异。没有单一的培养基类型能最好地突出内根圈和根际细菌代谢之间的差异，因此也没有单一的酶、反应或化合物来界定细菌来源是内根圈还是根际。
引用
@article{arxiv.1701.03220,
title = {Predicting the Plant Root-Associated Ecological Niche of 21 Pseudomonas Species Using Machine Learning and Metabolic Modeling},
author = {Jennifer Chien and Peter Larsen},
journal= {arXiv preprint arXiv:1701.03220},
year = {2017}
}
备注
15 pages, keywords: Pseudomonas, SVM, ANN, NMF, FBA, endosphere, rhizosphere, metabolic model, machine learning, KBase Comments: (e.g.: 10 pages, 5 figures, conference or other essential info)