Python社区  »  机器学习算法

浙江大学鲜于运雷团队《AM》:基于微生物合成纳米金和机器学习的微生物鉴定策略

高分子科学前沿 • 1 周前 • 133 次点击  

微生物鉴定在疾病诊断、环境监测和食品安全等领域中至关重要。随着科学技术的不断进步,微生物鉴定方法也在朝着更精准、更简捷的方向发展。近日,来自浙江大学的鲜于运雷研究员团队(https://person.zju.edu.cn/xianyu)通过分析微生物合成的纳米金颗粒,开发了一种基于机器学习的微生物鉴定策略。

利用微生物合成纳米金颗粒和机器学习进行微生物鉴定的示意图。
微生物可以利用自身的酶、蛋白质、脂类、糖类等生物分子生产无机纳米材料。自从1958年发现枯草芽孢杆菌能够还原Au3+合成金纳米颗粒(AuNPs)以来,研究人员已经证明微生物能够利用55种元素离子合成100多种纳米颗粒。由于不同微生物中生物活性分子的种类和含量存在差异,不同微生物合成的纳米颗粒也具有不同的形貌特征。
浙江大学鲜于运雷团队利用微生物合成纳米金颗粒的不同形貌特征,将微生物生物活性分子的检测转化为微生物合成纳米金的检测,开发了一种无标记的微生物鉴定策略。他们利用17种代表性的微生物合成了纳米金颗粒,并分别表征其粒径、紫外-可见吸收峰和表面电势。结合机器分析算法对纳米金颗粒表征数据集进行分类分析和可视化输出,研究者发现不同种类(门、科、属、种)的微生物可以通过纳米金颗粒的形貌进行区分,并且鉴定结果经检验具有100%的准确性。
利用机器学习算法分析纳米金的特征数据集,对不同分组的微生物进行层次聚类。
研究者将该策略构建的微生物聚类树与传统的基于基因序列构建的进化树进行了比较,发现两者具有一致的微生物鉴定结果。同时与传统方法相比,基于微生物合成纳米金的策略无需核酸扩增、生化检测和靶向识别,是一种简单、稳定、可靠的微生物检测新策略。
基于微生物合成纳米金形貌特征的聚类树和基于微生物16S rDNA序列相似性的进化树的鉴定结果比较。
该成果近期发表于《Advanced Materials》,题为“一种基于微生物合成纳米金和机器学习的微生物分类鉴定新策略”(A new strategy for microbial taxonomic identification through micro-biosynthetic gold nanoparticles and machine learning)。本文研究成果第一作者为浙江大学生物系统工程与食品科学学院博士研究生于婷,通讯作者为浙江大学百人计划研究员鲜于运雷。本工作获得了国家自然科学基金、浙江省杰出青年科学基金和国家重点研发计划项目的资助。
论文信息:
Ting Yu, Shixuan Su, Jing Hu, Jun Zhang, and Yunlei Xianyu*.A New Strategy for Microbial Taxonomic Identification through Micro-Biosynthetic Gold Nanoparticles and Machine Learning.Adv. Mater. (2022) DOI: 10.1002/adma.202109365
全文链接:
https://onlinelibrary.wiley.com/doi/10.1002/adma.202109365

来源:高分子科学前沿

声明:仅代表作者个人观点,作者水平有限,如有不科学之处,请在下方留言指正!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/125682
 
133 次点击  
分享到微博