牛！深度学习精准致病菌高效识别系统，一测一个准！

如何快速高效检测复杂环境微生物组中的致病菌污染对于公共卫生、动植物检疫和环境质量评估等研究具有重要意义。利用扩增子和宏基因组等测序手段检测致病菌污染主要依赖于数据库的完整性，缺乏对致病菌特征整体性的认识，以及数据库外其他致病菌的识别能力。尽管有研究尝试利用深度学习算法提升致病菌识别的效果，但目前一些语言系统无法直接处理百万bp级别的基因组长序列。

数据库识别系统基本情况

该研究首先收集了2.2万种致病菌和1.1万种非致病菌，构建了包括7837个属、32,927条细菌的全基因组数据集（BacRefSeq）。据统计，病原细菌的DNA序列长度在1.1 ~ 11.6 Mb之间，非病原细菌的序列长度在4.3 ~ 10.5 Mb之间。为获得百万bp级别长序列特征，将全基因组3 ~ 7的k-mer频率词向量特征进行全组合，开发了深度交叉融合网络模型算法DCiPatho。

如何利用DCiPatho系统精准识别致病菌？

首先提取k-mer频率特征。将这些特征引入特征交叉融合预测网络，其中CrossNet、ResNet和DeepNet以并排方式连接，显式和隐式生成高阶特征组合，获得更多的非线性特征。然后，将三个网络的输出合并到组合层中，最后在sigmoid层中对组合特征进行评分，得到致病性预测结果。    

图. DCiPatho系统精准识别致病菌流程

DCiPatho对不同微生物的识别准确率如何？

从头训练的DCiPatho在病原体鉴定中的平均预测精度从62.31（使用预训练的DCiPatho模型）急剧提高到95.45%，MCC为86.40%，ROC为99.17%，F1评分为89.28%（图4A）。从头训练的DCiPatho模型在识别BacRefSeq数据集中不存在和存在的病原体物种方面表现出出色的性能，中位准确率分别为93.38% 和99.81%（图4B）。详细地说，19种病原体物种中的16种（82.2%）通过从头DCiPatho模型鉴定，准确率为>85%。  

关键发现

DCiPatho提出了一种用于基因组规模病原体检测的深度交叉融合网络。

DCiPatho致病菌识别系统的准确率可达85%。

DCiPatho可用于准确识别感染人类、动物和植物的不同病原菌。

结论

该算法将交叉网络、残差网络和深度神经网络进行深度交叉融合，实现高阶融合特征的自动学习，大幅度降低了计算成本。虚拟实验结果表明，DCiPatho的性能超越了Bi-LSTM、CNN、Transformer、DeePaC和BERTax等9种公认的高性能深度学习算法，识别精度高达95.14%。该研究为环境土壤生物健康评估与人畜安全检测提供了新方法、新技术与新途径。

参考文献：Jiang G, Zhang J, Zhang Y, et al. DCiPatho: deep cross-fusion networks for genome scale identification of pathogens[J]. Briefings in Bioinformatics, 2023, 24(4): bbad194.