跳到正文
热点事件持续更新

机器学习预测抗生素耐药基因跨库泛化受限

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月17日,bioRxiv发布一项预印本研究,基于CARD数据库训练XGBoost分类器,以氨基酸三联体频率和理化描述符区分耐药基因与非耐药蛋白,报告AUROC为0.982、MCC为0.886;SHAP分析显示KTG三联体、等电点和芳香性等特征贡献主要信号。研究同时用CD-HIT聚类发现,ResFinder中96.8%至98.7%的序列与CARD高度同源,提示跨数据库测试存在冗余;在真正非冗余的40至100条序列上,模型完全失效,SHAP将原因归为序列长度差异。目前该研究仍为预印本,尚未见同行评议或后续验证报道。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月17日
  1. bioRxiv 预印本
    机器学习预测抗生素耐药基因:性能、可解释性与跨数据库冗余问题

    研究基于CARD数据库训练XGBoost分类器,以氨基酸三联体频率和理化描述符区分耐药基因与非耐药蛋白,AUROC达0.982、MCC为0.886,SHAP分析显示KTG三联体、等电点和芳香性等可解释特征贡献主要信号。但CD-HIT聚类显示ResFinder中96.8-98.7%序列与CARD高度同源,在真正非冗余的40-100条序列上模型完全失效,SHAP将其归因于序列长度差异。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。