机构名称：
¥ 4.0
肠道微生物群的组成是各种疾病中的已知因素，事实证明是疾病状态自动分类的强大基础。需要在功能规模上更好地理解这个社区，因为这将增强这些APARACHES的生物解释性。在本文中，我们开发了一种计算管道，用于将肠道菌群的功能注释与自动分类过程相结合，并促进对其结果的下流解释。该过程作为输入分类组成数据（例如操作分类单元表（OTU）或Amplicon序列变体（ASV）丰度），并通过询问Uniprot数据库来将每个组合链接到其功能注释。肠道微生物群的功能性是由此基础构建的。二个pro纤维，微生物和功能性，用于训练随机的森林分类器，以辨别不健康的控制样品。然后根据可变的重要性进行自动选择，并且可以迭代该方法，直到分类性能降低为止。此过程表明，与微生物pro纤维相比，微生物群体转化为功能性纤维可比性，尽管表现略有下相比。通过重复，它还输出了一个强大的判别变量子集。这些选择比通过最先进的方法获得的选择更可靠，并且通过手动书目研究验证了其内容。还分析了选定的OTU和功能注释之间的互连，并揭示了重要的注释来自非选择OTU的累积影响。
与深色小胶质细胞相关的综合应力反应促进了小胶质细胞脂肪形成，并有助于神经变性RNA3DB：用于训练和基准的RNA结构预测的深度学习模型sparta：...
主要关键词
相关文件推荐
