机构名称：
¥ 1.0
基因组差异如何促进表型差异是生物学的主要问题。最近在酵母菌saccharomycotina中，来自1,049种真菌物种（几乎所有已知）的122个来源和条件的新生长基因组，隔离环境和定性模式提供了一个强大的，复杂但复杂的数据集来解决此问题。我们使用了对这些基因组，代谢和环境数据训练的随机森林算法，以高精度预测几种碳源的增长。已知的结构基因涉及这些来源的收集和其他来源中生长的存在/不存在模式是有助于预测准确性的重要特征。通过进一步检查半乳糖的生长，我们发现它可以从基因组（92.2％）或生长数据（82.6％）（82.6％）的准确度中进行预测，但不能从隔离环境数据（65.6％）中进行预测。预测准确性甚至更高（93.3％）。在GAL ACTOSE利用基因之后，预测半乳糖生长的最重要特征是半乳酸上的生长，提出了一个假设，即在两个阶，血清中心和皮基亚菌中的几种物种（分别包含Auris的新兴病原体念珠菌和ogataea属）缺少了GALACTOWAY的替代途径，因为它们缺乏GALACE GENES。生长和生化分析证实，这些物种的数量通过替代氧化剂D-半乳糖途径利用半乳糖，而不是规范的GAL途径。机器学习方法对于研究酵母基因型 - 表型图的演变非常有力，即使在良好的研究性状中，它们的应用也会发现新颖的生物学。
机器学习可以识别替代酵母菌利用率途径
主要关键词
相关文件推荐
