Платформа виртуальных машин для специалистов, не являющихся компьютерами, для использования глубокого обучения для классификации биологических последовательностей метагеномных данных

Summary

В этом учебнике описывается простой метод построения алгоритма глубокого обучения для выполнения 2-классовой классификации последовательностей метагеномных данных.

Abstract

Различные задачи классификации биологических последовательностей, такие как классификация видов, классификация функций генов и классификация вирусных хозяев, являются процессами во многих анализах метагеномных данных. Поскольку метагеномные данные содержат большое количество новых видов и генов, во многих исследованиях необходимы высокоэффективные алгоритмы классификации. Биологи часто сталкиваются с проблемами в поиске подходящих инструментов классификации последовательностей и аннотаций для конкретной задачи и часто не могут самостоятельно построить соответствующий алгоритм из-за отсутствия необходимых математических и вычислительных знаний. Методы глубокого обучения в последнее время стали популярной темой и показывают сильные преимущества во многих задачах классификации. На сегодняшний день разработано множество высоко упакованных пакетов глубокого обучения, которые позволяют биологам строить фреймворки глубокого обучения в соответствии с их собственными потребностями без глубокого знания деталей алгоритма. В этом учебнике мы предоставляем руководство по созданию простой в использовании платформы глубокого обучения для классификации последовательностей без необходимости достаточных математических знаний или навыков программирования. Весь код оптимизирован в виртуальной машине, чтобы пользователи могли напрямую запускать код, используя свои собственные данные.

Introduction

Метод метагеномного секвенирования обходит процесс выделения штамма и непосредственно секвенирует общую ДНК в образце окружающей среды. Таким образом, метагеномные данные содержат ДНК разных организмов, и большинство биологических последовательностей взяты из новых организмов, которых нет в текущей базе данных. В соответствии с различными целями исследований, биологи должны классифицировать эти последовательности с разных точек зрения, таких как таксономическая классификация^1,классификация вирус-бактерия^2,3,4,хромосомно-плазмидная классификация

Protocol

1. Установка виртуальной машины

1. Загрузите файл виртуальной машины из (https://github.com/zhenchengfang/DL-VM).
2. Загрузите программное обеспечение VirtualBox со https://www.virtualbox.org.
3. Распакуйте файл ".7z" с помощью соответствующего программного обеспечения, такого как "7-Zip", "WinRAR" или "WinZip".
4. Установите программное обеспечение VirtualBox, нажав кнопку Далее на каждом шаге.
5. Откройте программное обеспечение VirtualBox и нажмите кнопку Создать, чтобы создать виртуальную машину.
6. Шаг 6: Введите указанное имя виртуальной машины во фрейм «Имя», выберите Linux

Results

В нашей предыдущей работе мы разработали серию инструментов классификации последовательностей для метагеномных данных, используя подход, аналогичный этому учебнику^3,11,12. В качестве примера мы депонировали файлы последовательностей подмножества обучающих наборов и тестовых наборов из нашей предыдущей работы^3,11 в виртуальной машине.

Fang &.......

Discussion

Этот учебник предоставляет обзор для биологов и начинающих разработчиков алгоритмов о том, как построить простую в использовании структуру глубокого обучения для классификации биологических последовательностей в метагеномных данных. Этот учебник направлен на обеспечение интуитивного понимания глубокого обучения и решение проблемы, с которой новички часто испытывают трудности при установке пакета глубокого обучения и написании кода для алгоритма. Для некоторых простых задач классификации пользователи могут использовать пл.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
ПК или сервер	NA	NA	Рекомендуемая память: >6 ГБ
программного обеспечения VirtualBox	NA	NA	Ссылка: https://www.virtualbox.org