利用有限的基因组数据预测细菌的代谢潜力

细菌如何进食以及它们能从食物中制造出什么样的产品，取决于其基因组中编码的酶模式代谢网络。使用计算方法在大量已知细菌中学习这些模式，可以分析新细菌的基因组。这揭示了它能够进行什么样的代谢——即使只提供部分信息，这在环境样本中很常见。

该项目由 David Geller-McGrath 发起，是他在伍兹霍尔海洋研究所 Edgcomb 博士指导下的研究生论文项目的一部分。他在担任科学办公室研究生计算生物科学研究奖学金期间，与太平洋西北国家实验室的 McDermott 博士和亚利桑那大学的 Wheeler 博士合作，改进了方法并开发了代码。

这种新的计算方法现已发表在eLife上，它使我们能够发现对环境和生物能源应用至关重要的细菌的新代谢能力。这对于了解支持植物生长以提高作物产量的微生物组(细菌和其他微生物的群落)非常重要。此外，更好地了解不同的代谢网络将为其他生物能源和生物医学应用提供新的细菌工程方法​​。

该方法使用深度学习方法从大量注释的细菌基因组中学习代谢途径中存在的蛋白质模式。该工具的一个显著优势是它是在不完整的基因组数据上设计和测试的。这使得人们能够识别细菌基因组，并评估其在土壤或其他来源的复杂微生物群中的代谢潜力，而这些样本通常是不完整的。