• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
Sequencing meets machine learning to fight emerging pathogens: A preview.测序与机器学习携手对抗新出现的病原体：预览
Patterns (N Y). 2022 Feb 11;3(2):100448. doi: 10.1016/j.patter.2022.100448.
2
Learning From Biological and Computational Machines: Importance of SARS-CoV-2 Genomic Surveillance, Mutations and Risk Stratification.从生物和计算机器中学习：SARS-CoV-2 基因组监测、突变和风险分层的重要性。
Front Cell Infect Microbiol. 2021 Dec 24;11:783961. doi: 10.3389/fcimb.2021.783961. eCollection 2021.
3
Computational approaches for prediction of pathogen-host protein-protein interactions.计算方法在预测病原体-宿主蛋白-蛋白相互作用中的应用。
Front Microbiol. 2015 Feb 24;6:94. doi: 10.3389/fmicb.2015.00094. eCollection 2015.
4
Deep learning-based real-time detection of novel pathogens during sequencing.基于深度学习的测序过程中新病原体的实时检测。
Brief Bioinform. 2021 Nov 5;22(6). doi: 10.1093/bib/bbab269.
5
An integrated approach to determine the abundance, mutation rate and phylogeny of the SARS-CoV-2 genome.一种综合方法来确定 SARS-CoV-2 基因组的丰度、突变率和系统发育。
Brief Bioinform. 2021 Mar 22;22(2):1065-1075. doi: 10.1093/bib/bbaa437.
6
Targeted Hybridization Capture of SARS-CoV-2 and Metagenomics Enables Genetic Variant Discovery and Nasal Microbiome Insights.靶向杂交捕获 SARS-CoV-2 和宏基因组学可实现遗传变异发现和鼻腔微生物组学见解。
Microbiol Spectr. 2021 Oct 31;9(2):e0019721. doi: 10.1128/Spectrum.00197-21. Epub 2021 Sep 1.
7
Comparative Genomics Reveals Early Emergence and Biased Spatiotemporal Distribution of SARS-CoV-2.比较基因组学揭示了 SARS-CoV-2 的早期出现和偏时空分布。
Mol Biol Evol. 2021 May 19;38(6):2547-2565. doi: 10.1093/molbev/msab049.
8
A review on host-pathogen interactions: classification and prediction.宿主-病原体相互作用综述：分类与预测
Eur J Clin Microbiol Infect Dis. 2016 Oct;35(10):1581-99. doi: 10.1007/s10096-016-2716-7. Epub 2016 Jul 29.
9
Beyond multidrug resistance: Leveraging rare variants with machine and statistical learning models in Mycobacterium tuberculosis resistance prediction.超越多药耐药性：利用机器和统计学习模型在结核分枝杆菌耐药性预测中的罕见变异。
EBioMedicine. 2019 May;43:356-369. doi: 10.1016/j.ebiom.2019.04.016. Epub 2019 Apr 29.
10
The first SARS-CoV-2 genetic variants of concern (VOC) in Poland: The concept of a comprehensive approach to monitoring and surveillance of emerging variants.波兰出现的首批引起关注的 SARS-CoV-2 变异株（VOC）：对新兴变异株监测和监控采取综合方法的概念。
Adv Med Sci. 2021 Sep;66(2):237-245. doi: 10.1016/j.advms.2021.03.005. Epub 2021 Mar 30.

本文引用的文献

1
A call for a more comprehensive SARS-CoV-2 sequence database for Brazil.呼吁为巴西建立一个更全面的严重急性呼吸综合征冠状病毒2（SARS-CoV-2）序列数据库。
Lancet Reg Health Am. 2022 Jan;5:100095. doi: 10.1016/j.lana.2021.100095. Epub 2021 Nov 18.
2
Metaviromic identification of discriminative genomic features in SARS-CoV-2 using machine learning.利用机器学习对严重急性呼吸综合征冠状病毒2（SARS-CoV-2）中具有鉴别性的基因组特征进行宏病毒组鉴定。
Patterns (N Y). 2022 Feb 11;3(2):100407. doi: 10.1016/j.patter.2021.100407. Epub 2021 Nov 18.
3
Machine Learning and Artificial Intelligence for the Prediction of Host-Pathogen Interactions: A Viral Case.用于预测宿主-病原体相互作用的机器学习和人工智能：病毒实例
Infect Drug Resist. 2021 Aug 20;14:3319-3326. doi: 10.2147/IDR.S292743. eCollection 2021.
4
COVID-DeepPredictor: Recurrent Neural Network to Predict SARS-CoV-2 and Other Pathogenic Viruses.COVID-深度预测器：用于预测严重急性呼吸综合征冠状病毒2及其他致病病毒的循环神经网络
Front Genet. 2021 Feb 11;12:569120. doi: 10.3389/fgene.2021.569120. eCollection 2021.
5
PACIFIC: a lightweight deep-learning classifier of SARS-CoV-2 and co-infecting RNA viruses.PACIFIC：一种用于 SARS-CoV-2 及合并感染 RNA 病毒的轻量级深度学习分类器。
Sci Rep. 2021 Feb 5;11(1):3209. doi: 10.1038/s41598-021-82043-4.
6
An interactive web-based dashboard to track COVID-19 in real time.一个基于网络的交互式仪表盘，用于实时追踪新冠病毒。
Lancet Infect Dis. 2020 May;20(5):533-534. doi: 10.1016/S1473-3099(20)30120-1. Epub 2020 Feb 19.
7
Setting the standards for machine learning in biology.设定生物学中机器学习的标准。
Nat Rev Mol Cell Biol. 2019 Nov;20(11):659-660. doi: 10.1038/s41580-019-0176-5.
8
GISAID: Global initiative on sharing all influenza data - from vision to reality.全球流感数据共享倡议组织：从愿景到现实的全球共享所有流感数据倡议
Euro Surveill. 2017 Mar 30;22(13). doi: 10.2807/1560-7917.ES.2017.22.13.30494.
9
Machine learning applications in genetics and genomics.机器学习在遗传学和基因组学中的应用。
Nat Rev Genet. 2015 Jun;16(6):321-32. doi: 10.1038/nrg3920. Epub 2015 May 7.
10
Machine learning and its applications to biology.机器学习及其在生物学中的应用。
PLoS Comput Biol. 2007 Jun;3(6):e116. doi: 10.1371/journal.pcbi.0030116.

测序与机器学习携手对抗新出现的病原体：预览

Sequencing meets machine learning to fight emerging pathogens: A preview.

作者信息

Yakimovich Artur

机构信息

Center for Advanced Systems Understanding (CASUS), Helmholtz-Zentrum Dresden-Rossendorf e.V. (HZDR), Görlitz 02826, Germany.

Bladder Infection and Immunity Group (BIIG), Department of Renal Medicine, Division of Medicine, University College London, Royal Free Hospital Campus, London NW3 2PF, United Kingdom.

出版信息

Patterns (N Y). 2022 Feb 11;3(2):100448. doi: 10.1016/j.patter.2022.100448.

DOI:10.1016/j.patter.2022.100448
PMID:35169757
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8832723/
Abstract

In searching for SARS-CoV variants-of-concern, pathogen sequencing is generating an impressive amount of data. However, beyond epidemiological use, these data contain cues fundamental to our understanding of pathogen evolution in the human population. Yet, to harness them, further development of computational methodology, such as machine learning, may be required. This preview discusses updates in machine learning to understand emerging pathogens.

摘要

在寻找严重急性呼吸综合征冠状病毒（SARS-CoV）的关注变异株时，病原体测序正在产生海量数据。然而，除了用于流行病学研究外，这些数据还包含了对于我们理解病原体在人群中进化至关重要的线索。然而，要利用这些数据，可能需要进一步发展机器学习等计算方法。本综述讨论了机器学习在理解新出现病原体方面的进展。