Meta-Sorter: ИИ-метод для точной классификации биомов микробных сообществ
Исследователи из Университета науки и технологий Хуачжун представили Meta-Sorter — метод на основе искусственного интеллекта, который значительно улучшает маркировку биомов для тысяч образцов микробиома в базе данных MGnify. Метод использует нейронные сети и трансферное обучение, особенно для образцов с неполной информацией.
Двухэтапный подход
Построение базовой модели: Нейронная сеть была обучена на 118 592 микробных образцах из 134 биомов с использованием их онтологии. Модель продемонстрировала высокую точность со средним показателем AUROC 0.896 для классификации образцов с подробной информацией о биоме.
Применение трансферного обучения: Для обработки новых образцов с иными характеристиками исследователи применили трансферное обучение на 34 209 новых образцах из 35 биомов (включая 8 новых). Трансферная модель достигла выдающегося среднего AUROC 0.989 и успешно предсказала информацию о биоме для образцов, аннотированных как "Mixed biome".
Результаты и значение
- Общая точность классификации для 16 507 образцов, изначально не имевших детальных аннотаций биома, составила 96.7%.
- Метод эффективно решает проблему каскадных ошибок в аннотациях.
- Meta-Sorter уточняет аннотации для слабо аннотированных и ошибочно аннотированных образцов, автоматически назначая точные классификации.
- Разделение образцов по конкретным экологическим категориям повышает надежность и достоверность научных выводов.
Этот прорыв открывает новые возможности для получения знаний в различных научных дисциплинах, особенно в экологических исследованиях. Ожидается, что Meta-Sorter революционизирует анализ и интерпретацию образцов микробных сообществ, способствуя более точным открытиям в исследованиях микробиома.