机构名称：
¥ 1.0
结果：在这项研究中，我们介绍了 GiantHunter，这是一种基于强化学习的工具，用于从宏基因组数据中识别 NCLDV。通过采用蒙特卡洛树搜索策略，GiantHunter 动态选择代表性的非 NCLDV 序列作为负训练数据，使模型能够建立稳健的决策边界。对严格设计的实验进行基准测试表明，GiantHunter 在保持竞争灵敏度的同时实现了高精度，与第二佳方法相比，F1 分数提高了 10%，计算成本降低了 90%。为了证明其实际效用，我们将 GiantHunter 应用于从长江沿岸的六个城市收集的 60 个宏基因组数据集，这些城市位于三峡大坝的上游和下游。结果显示，NCLDV 多样性的显著差异与大坝的距离有关，这可能是由于大坝导致的流速降低所致。这些发现凸显了 GiantHunter 有潜力促进我们对 NCLDV 及其在不同环境中的生态作用的理解。
gianthunter：精准检测巨型病毒
主要关键词
相关文件推荐
