GUTchetp: integrated prediction of gut microbial biotransformation profiles using ensemble monolingual and multilingual neural machine translation and enzyme class consistency-reaction similarity.

چکیده اصلی

The analysis of the metabolic fate of chemical compounds in the human gut remains a fundamental challenge, as comprehensive experimental characterization across the vast chemical space is infeasible. Moreover, despite progress in computational biology, a comprehensive tool for predicting microbe-dependent metabolism of diverse chemicals is still lacking. To address these challenges, we introduce the GUTchetp framework, which comprises two components: one predicts gut biotransformation products and was tested on a benchmark of six compound categories, whereas the other identifies the associated microbial enzymes and species and was evaluated on a benchmark of 95 metabolism events. The first component employs an ensemble of monolingual and multilingual neural machine translation models, integrating transfer learning, mixed fine-tuning, multiple molecular representations, and adaptive data augmentation. The ensemble model outperformed previous approaches, achieving a Top-20 BLEU score and MaxFrag accuracy of 66.59% and 67.19%, respectively. The second component applies a re-ranking rule that combines the prediction consistency between two Enzyme Commission (EC) number classifiers with chemical reaction similarity, increasing accuracy by 34.38 percentage points over existing tools on the hidden dataset. Both components showed statistically significant improvements compared with existing tools, enabling the accurate prediction of 68.42% of known gut microbial biotransformation profiles, which is highly promising for anticipating gut microbial biotransformation outcomes. GUTchetp will thus pave the way for predicting the capacity of personalized gut microbiomes to metabolize intentional xenobiotics, such as pharmaceuticals and nutrients, and unintentional ones, such as environmental chemicals.

ترجمه فارسی چکیده

تحلیل سرنوشت متابولیک ترکیبات شیمیایی در روده انسان چالش بنیادینی است، زیرا بررسی تجربی جامع در فضای شیمیایی وسیع غیرممکن است. علاوه بر این، با وجود پیشرفت‌های زیست‌شناسی محاسباتی، ابزاری جامع برای پیش‌بینی متابولیسم وابسته به میکروب ترکیبات متنوع هنوز فاقد است. برای حل این چالش‌ها، ما چارچوب GUTchetp را معرفی می‌کنیم که شامل دو مؤلفه است: یکی محصولهای بیوترسفورماسیون روده را پیش‌بینی می‌کند و بر روی شش دسته ترکیبی تست شده است، در حالی که دیگری آنزیم‌ها و گونه‌های میکروبی مرتبط را شناسایی می‌کند و بر روی 95 رویداد متابولیسم ارزیابی شده است. اولین مؤلفه از یک مجموعه مدل‌های ترجمه ماشین عصبی تک‌زبانه و چندزبانه استفاده می‌کند که یادگیری انتقال، تنظیم دقیق ترکیبی، چندین نمایش مولکولی و افزایش داده سازگار را ادغام می‌کند. مدل مجموعه عملکرد بهتری نسبت به رویکردهای قبلی داشت و امتیاز Top-20 BLEU و دقت MaxFrag به ترتیب 66.59٪ و 67.19٪ را به دست آورد. دومین مؤلفه از یک قانون بازمرتب‌سازی استفاده می‌کند که همبستگی پیش‌بینی بین دو طبقه‌بنده کلاس آنزیم (EC) را با شباهت واکنش شیمیایی ترکیب می‌کند و دقت را 34.38 درصدی نسبت به ابزارهای موجود در مجموعه داده مخفی افزایش می‌دهد. هر دو مؤلفه نشان دادند بهبودهای معنی‌دار آماری نسبت به ابزارهای موجود، که امکان پیش‌بینی دقیق 68.42٪ پروفایل‌های شناخته شده بیوترسفورماسیون میکروبی روده را فراهم می‌کند. GUTchetp در نتیجه راه را برای پیش‌بینی ظرفیت میکروبیوم‌های شخصی‌سازی شده روده برای متابولیزه کردن مواد خارجی عمدی مانند داروها و مواد مغذی و غیرعمدی مانند مواد شیمیایی محیطی هموار می‌کند.

متن کامل اصلی