Oct, 2015

当控制人群结构时鉴定谱系效应有助于提高细菌关联研究的功效

PDF
TL;DR提出一种新的方法，可以发现不同线粒体层面的相关性，并在结构化和有重组能力的细菌中检测抗生素抗性基因和遗传变异体。
genome-wide association studiesbacteriaantimicrobial resistancelineage-level associationsgenetic variants
发现论文，激发创造
  • 在明确的因果假设下评估真实世界基因分型数据预测抗菌药物耐受性的潜在偏见

    该研究针对细菌基因型 - 表型抗菌药物抵抗性数据进行试验，使用倾向性平衡和混杂变量调整方法处理非随机抽样带来的偏倚，采用提升的逻辑回归和随机森林模型，对抗菌药物抵抗性的预测性能进行评估。结果表明在采样非随机、基因特征与抗药性之间存在关联时，使用该方法可优化预测模型。

    Jul, 2021

  • 可解释的分类器大规模建模抗生素耐药性

    本研究基于 Drouin 等人 (2016) 的相关工作，运用集合覆盖机对抗菌素抗性模型进行高度解释性学习，以及大规模的应用到整个 PATRIC 数据库中，并提出了新的 Kover AMR 平台，用于可视化和解释生成的模型，以期准确预测抗生素表现，根据不同的临床情况，为每个人的治疗计划提供定制服务，从而提高临床结果。

    Dec, 2016

  • 测序微生物之间的遗传共现网络

    通过分析成千上万的正交基因，我们构建了一个基因 - 基因共存映射。该研究表明，相关联的提高了物理相互作用的蛋白质和共表达的转录本，从而从条件或短暂的相互作用中分离出功能性必须的蛋白质相互作用的子组。此外，此类关联可用于指导合成生物学中的外源基因导入。

    Dec, 2011

  • 基因相互作用效应的全基因组变压器在微生物群落栖息地特异性中的应用

    利用基因组信息进行微生物适应性预测，并发现基因相互作用与复杂特征之间的关联。

    May, 2024

  • PathoLM: 通过基因组基础模型从 DNA 序列识别致病性

    通过引入 PathoLM，我们为细菌和病毒序列的致病性鉴定提供了一种优化方法。 PathoLM 可以有效捕捉更广泛的基因组上下文，显著提高了对新颖和多样化病原体的鉴定能力。同时，在 ESKAPEE 物种分类中，PathoLM-Sp 相较于其他深度学习方法展现出卓越的性能。

    Jun, 2024

  • 遗传关联研究中的人群结构和隐蔽亲缘关系

    本文介绍了基因关联研究中混杂问题的定义及解决方案，通过统一的框架考虑了人口结构，亲缘关系和谱系等因素对混杂的影响，并介绍了基于亲缘关系的算法，其中线性混合模型被认为是最有效的一种。

    Oct, 2010

  • 利用机器学习技术鉴定不同皮肤和软组织感染患者的抗生素耐药性

    通过机器学习模型，结合临床和抗生素敏感性测试数据，预测抗生素耐药性，并建立了相关性分析方法

    Feb, 2022

  • 利用稀疏线性回归从微生物组时间序列识别人类肠道微生物组的关键物种

    通过稀疏线性回归与 bootstrap 聚合方法，利用 LIMITS 模型对微生物动力学的时序模型进行推断。我们测试了 LIMITS 模型在合成数据上的可靠性，并将其应用到两个人的肠道菌群中以表征其物种间的相互作用网络，发现这些网络受关键物种的显著影响，这些关键物种可能是导致人类肠道微生态个体差异的因素。

    Feb, 2014

  • 结构化人群的遗传变异概率模型应用于全球人类研究

    本文提出两种概率模型：一种是利用主成分分析（PCA）实现 Pritchard-Stephens-Donnelly 混合成员模型的估计，另一种是基于人口结构模型的概率模型的新 “逻辑因子分析”（LFA）框架的提出，这些模型较少地提出了建模假设，而这些模型能识别与结构存在高度分化的 SNPs。

    Dec, 2013

  • LMM-Lasso: 带人群结构校正的 Lasso 多标记混合模型关联分析

    该研究提出了 LMM-Lasso，一种混合模型，可以进行多基因映射和校正混杂效应，能够大幅提高遗传可遗性，同时更有可能检索到真实的关联，实践中在拟南芥和小鼠的数据中找到 91% 的表型变异的遗传原因。

    May, 2012