英国约翰英纳斯中心等开发基于自动机器学习的预测平台

• 全文链接

关键词：

来源：

Nucleic Acids Research

全文链接：

//agri.nais.net.cn/topic/downloadFile/4e55a640-105f-4d6a-a39f-1e19cc52f49d

来源地址：

https://doi.org/10.1093/nar/gkae315

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2024-04-27

摘要：

2024年4月27日，英国约翰英纳斯中心 (John Innes Centre, JIC) 丁一倞团队联合伦敦大学学院药学院Zoe Waller团队与埃克塞特大学计算机学院李珂团队在Nucleic Acids Research发表题目为“iM-Seeker: a webserver for DNA i-motifs prediction and scoring via automated machine learning”的论文。“iM-Seeker”的新型在线服务器，它是一个用于DNA i-基序（i-motifs）预测和评分的计算平台。i-基序是一种在富含胞嘧啶的序列中，在酸性条件下形成的非典型DNA结构，对基因表达调控和端粒生物学等生物过程具有重要影响。尽管i-基序在生物学上具有重要意义，但目前用于预测i-基序形成序列的软件有限。 iM-Seeker利用自动化机器学习（AutoML）技术，能够识别DNA片段或整个基因组中的潜在i-基序，并根据胞嘧啶片段数量、环长度和序列组成等参数为每个预测的i-基序计算稳定性分数。此外，该服务器还允许用户通过自动化机器学习方法微调最佳的i-基序评分模型，整合用户提供的实验数据和定制特征。 文章详细描述了iM-Seeker服务器的材料和方法，包括服务器的全栈设计、自动化机器学习工具的开发，以及i-基序预测和AutoML功能的实现。服务器的前端和后端架构使用了多种技术和数据库，确保了数据的隐私和安全性。 iM-Seeker的主要功能包括：iM-Seeker预测：允许用户输入DNA序列，预测潜在的i-基序，并使用默认的机器学习模型进行评分。iM-Seeker AutoML：用户可以使用自己的i-基序生物物理数据通过自动化机器学习训练定制的预测模型。 文章还讨论了iM-Seeker在不同物种中的i-基序密度分析，以及与其他功能的集成，如下载页面提供的资源和帮助部分提供的详细用户指南。 最后，文章强调了iM-Seeker在推动基因组科学研究方面的潜力，特别是在i-基序研究领域，它提供了一个先进、可定制的方法来预测和评估这些重要的非典型核酸结构。iM-Seeker服务器对所有用户免费开放，可通过 https://im-seeker.org 访问。