这项研究介绍了一种名为 PlasMAAG 的新工具，旨在从复杂的宏基因组数据中精确重建质粒和细胞基因组。该方法通过构建组装-比对图 (AAG)，有效整合了单样本内的序列重叠与跨样本的序列比对信号。为了进一步优化性能，系统采用了对比学习技术和改进的变分自编码器，能够克服传统方法中常见的序列碎片化和重组干扰。实验数据表明，PlasMAAG 在质粒恢复的数量和准确性上显著超越了现有技术，尤其在处理抗生素耐药性研究相关的环境样本时表现出色。此外，该工具还支持分析宿主与质粒的关联性以及不同环境下的质粒多样性演变。通过将生物信息学算法与深度学习相结合，这项成果为探索微生物群落中水平基因转移的机制提供了强大的技术支持。

References:

• Líndez P P, Danielsen L S, Kovačić I, et al. Accurate plasmid reconstruction from metagenomics data using assembly-alignment graphs and contrastive learning[J]. bioRxiv, 2025: 2025.02. 26.640269.