MNFR:基于机器学习的益生菌基因组分类器研究
科学私享
2025-03-30 11:23
文章摘要
本研究旨在开发一种高效准确的益生菌鉴定方法,提出了基于机器学习的基因组分类器ProbML。通过测试五种机器学习算法,发现XGBoost模型表现最佳,在学习数据集和独立测试数据集上分别达到100%和95.45%的准确率。该模型成功分析了4728个基因组,并将650个分类为益生菌,其中许多是首次报道。此外,研究还开发了一个通用的图形用户界面平台,便于用户应用ML算法进行基因组分析。尽管存在一些局限性,如阴性集中可能包含潜在益生菌,以及XGBoost模型参数调整的计算挑战,但该研究为益生菌发现提供了有力工具,并具有广泛的应用前景。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。