ترانگن گفت: «ما نمونههایی را در انتشار باکتریهایی که ژنومهایشان اساساً یکسان است، برجسته کردهایم، با این تفاوت که یکی از آنها دنبالهای نگرانکننده مانند سمی دارد که دیگری ندارد. “SeqScreen واقعاً وجود یا عدم وجود عملکردهایی را نشان می دهد که فاکتورهای بیماری زاست.”
Treangen گفت SeqScreen برای بهبود تشخیص و ردیابی طیف گسترده ای از توالی های بیماری زا در نظر گرفته شده است.
سالها کار دانشمندان کامپیوتر دانشگاه رایس و همکارانشان منجر به ایجاد بستری بهبودیافته برای غربالگری DNA و شناسایی توالیهای بیماریزا، چه به صورت طبیعی و چه مصنوعی، قبل از اینکه شانس تأثیرگذاری بر سلامت عمومی داشته باشند، شده است.
او گفت که SeqScreen همچنین به شناسایی پاتوژن های جدید یا نوظهور از محیط کمک خواهد کرد.
آدوایت بالاجی و برایس کیل، دانشجویان فارغ التحصیل رایس، نویسندگان اصلی مقاله هستند. نویسندگان همکار عبارتند از رایس، همکار فوق دکتری، لئو الورث، فارغ التحصیلان Zhigin Qian و Dreycey Albin، و سانتیاگو سگرا، استادیار علوم کامپیوتر. آنتونی کاپل و جین گلدبولد از Signature Science; Madeline Diep of Fraunhofer USA Center Mid-Atlantic, Riverdale, Maryland; و دانیل ناسکو، نیدی شاه و میهای پاپ از دانشگاه مریلند.
فراخوانی آنها آسان تر می شود.
Treangen گفت: “SeqScreen اولین ابزار نرم افزار منبع باز است که برای غربالگری DNA مصنوعی در دسترس است.” “برنامه ما نسبت به وضعیت قبلی هنر برای شرکت ها، افراد و سازمان های دولتی برای اقدامات غربالگری DNA آنها بهبود می یابد.”
SeqScreen از کار شرکای شرکت Signature Science مستقر در آستین، تگزاس برای مدیریت یک پایگاه داده از هزاران توالی ژنی که 32 نوع توابع بیماری زاست را نشان می دهد، استفاده می کند. Treangen گفت: «این پایگاه داده انتخابشده سالها به بررسی و بازبینی زیستی نیاز داشت تا توسعه یابد، و هسته اصلی دادههای آموزشی الگوریتم یادگیری ماشینی SeqScreen است.
مواد تهیه شده توسط دانشگاه رایس. نوشته اصلی توسط مایک ویلیامز. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.