NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Birçok farklı veri biçiminin entegrasyonu, mikrobiyal dünyayı ve çevre ve insan sağlığı ile olan etkileşimini anlamak için gereklidir. Bunu yapmak, özellikle sağlık veya çevresel sonuçlara katkıda bulunan mikro ev sahibi ve mikrop mikrop etkileşimleri bağlamında zordur. Genellikle binlerce ilgili mikrobiyal tür ve bu mikroplar arasında ve çevreleri veya konaklarıyla milyonlarca etkileşim vardır. Bazı deneysel gözlemler sadece aile veya filom seviyesi gibi daha kaba taksonomik çözünürlükleri ayırt eder. Entegre bilgi (örneğin, konak ve mikrobiyal fizyoloji, genetik ve metabolizma hakkında) karmaşık etkileşimlerin daha derin anlaşılmasını kolaylaştırır ve korelasyonel sonuçların yorumlanmasına yardımcı olur. KG-Microbe yapı çerçevesi, bakteriyel ve arkaik verileri bir bilgi grafiği (KG) şeklinde uyumlu hale getirmek için yeni bir yaklaşımdır. Organizma özellikleri, ortamları ve büyüme tercihleri olan bir çekirdek KG'den başlayarak, çerçeve, hastalık bağlamında insan ev sahibi ile ilişkili mikrobiyom da dahil olmak üzere belirli kavramsal kullanım vakalarını hedefleyen ilgili KG'lerden oluşan bir hiyerarşi oluşturur. KG-Microbe, biyomedikal, çevresel ve diğer uygulamalar için ontolojik olarak temsil edilen mikrobiyal organizma ve genomik özellikleri birleştiren standart ve birlikte çalışabilir bir çerçevedir. Çerçeve, mikrobiyal soyları veya ilgili toplulukları temsil eden özelleştirilebilir takson alt kümelerini destekler. KG-Microbe bilgi grafiklerinin bir dizi yeterlilik sorusu aracılığıyla yapılan değerlendirmeler, veri uyumunun doğruluğunu ve etkinliğini ve sonuçta ortaya çıkan KG'lerin inflamatuvar bağırsak ve Parkinson hastalıklarında faydasını göstermektedir. Son olarak, KG'lerin tahmin edici ve çevresel yetenekleri, grafik özelliklerini kullanarak bir model eğiterek büyüme tercihlerini açıklayarak gösterilmiştir. KG-Microbe, mikrobiyal derneklerin mekanistik açıklamalarını ortaya çıkarmak için insanlar ve makine öğrenimi yöntemleri için esnek, modüler bir olanak sağlayan bir teknolojidir.
Özgün kaynak özetini okuyun
The integration of many disparate forms of data is essential for understanding the microbial world and its interaction with the environment and human health. Doing so is particularly challenging in the context of microbe-host and microbe-microbe interactions that contribute to health or environmental outcomes. There are often thousands of relevant microbial species, and millions of interactions among those microbes and with their environment or host. Some experimental observations only distinguish coarser taxonomic resolutions such as family or phylum-level. Integrated information (e.g., about host and microbial physiology, genetics, and metabolism) facilitates deeper understanding of complex interactions and helps interpret correlative results. The KG-Microbe construction framework is a novel approach to harmonizing bacterial and archaeal data in the form of a knowledge graph (KG). Starting from a core KG with organismal traits, environments and growth preferences, the framework generates a hierarchy of related KGs targeting specific conceptual use cases, including the human host-associated microbiome in the context of disease. KG-Microbe is a standardized and interoperable framework that integrates microbial organismal and genomic traits, represented ontologically, for biomedical, environmental, and other applications. The framework supports customizable taxa subsets representing microbial lineages or communities of interest. Evaluations of the KG-Microbe knowledge graphs through a series of competency questions demonstrate the accuracy and effectiveness of the data harmonization, and the utility of the resulting KGs in inflammatory bowel and Parkinson’s diseases. Finally, the predictive and environmental capabilities of the KGs are demonstrated by explaining growth preferences through training a model using graph features. KG-Microbe is a flexible, modular enabling technology for humans and machine learning methods to uncover mechanistic explanations of microbial associations.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.