- 2 次围观
环境真菌调查经常会获得无法在细粒度分类阶元上归类的内部转录间隔区（internal transcribed spacer，ITS）序列，即所谓的真菌“暗物质”；在实践中，这类序列通常通过将相似度或置信度得分设定为某个惯用阈值而被搁置。这些惯例确实会选择弃权，但给定阈值所隐含的错误率既未被说明，也无法由使用者选择，而且针对一种得分定义的阈值无法迁移到另一种得分上。我们提出一种保形新颖性标记，弥补了这一缺失：每个查询序列都会获得一个 p 值，并享有无分布假设保证，即将已知序列错误地判定为新颖序列的比例不超过用户选定的 α。在基于 UNITE 构建的留一属基准测试中，该标记在 α 跨越两个数量级的范围内均保持其名义错误率，因此使用者可以在一个明确给出的权衡前沿上选择运行点，而不必被动继承某个运行点：当 α=0.05 时，它会对 4.3% 的已知属查询序列发出标记，并检出 19.2% 的真正新颖属；当 α=0.20 时，这两个比例分别为 19.7% 和 50.9%。在 5,000 条非真菌 SSU 外群序列中，它将其中 4,996 条判定为新颖，从而锚定了从已知序列到外群序列的单调梯度的远端。该保证在实践中而不仅仅是在原理上与得分类型无关：将其应用于比对一致性、k-mer 自助法共识得分以及两个神经分类器的输出概率，并覆盖两个扩增子区域和参考库大小七倍的变化，11 次校准的结果全部处于名义值上下 1.1 个百分点以内。在相同的 11 种设置下，检出率则介于 5.2% 和 53.3% 之间；在基本恒定的错误率下，检出率相差约十倍，这清楚表明该保证针对的是错误率，而不是检出效能：建立在无信息得分之上的、校准良好的标记在统计上有效，却毫无用处，而我们的两种设置恰恰如此。将该标记应用于土壤真菌数据集后，在将错误率控制在5%的条件下，它将20.7%的扩增子序列变体识别为新颖变体；采用丰度过滤后，这一比例降至16.3%。其中一半在 GlobalFungi 的未命名环境变体中存在近乎相同的序列，而与已命名物种假说相匹配的不到十分之一；这些变体偏向未编目类群的程度为六倍，而该标记放行的序列仅为1.9倍：它们遍布全球土壤，却几乎没有一个被命名。该标记将任意阈值转化为具有明确错误率的判定，并由此将“暗物质”从残余项转变为一组可优先排序的目标。源代码和基准测试工具包依据 MIT 许可证公开，网址为 https://github.com/ayobi/its-novelty。
| bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
帮助
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于帮助
广告
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于广告
编辑委员会
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于编辑委员会
关于我们
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于我们
患者
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于患者
广告商
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于广告商
机构
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于机构
订阅者
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于订阅者
审稿人
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于审稿人
作者
星期四，2013-08-15 16:02 --
hwadmin
阅读更多
关于作者
关键词：真菌ITS宏条形码 · 保形新颖性检测 · 错误率校准 · 序列分类 · 真菌暗物质
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.29.741524v1?rss=1