インフルエンザ-CNN:コンヴォルションネットワークを使用してインフルエンザAウイルスの宿主特異性を特定する
Mingda Hu1, Nan Luo1,2, Boqian Wang1
1Beijing Institute of Biotechnology, State Key Laboratory of Advanced Biotechnology, Beijing, China.
Human genomics
|August 22, 2025
まとめ
鳥インフルエンザウイルスの宿主特異性を予測することは,パンデミック予防に極めて重要です. 新しいAIモデルであるインフルエンザレベルのコンボリューションニューラルネットワーク (Flu-CNN) は,ゲノムデータからウイルスの宿主範囲を正確に識別し,早期のアウトブレイク検出とリスク評価に役立ちます.
科学分野:
- ウイルス学
- ゲノミクス
- コンピュータ生物学
背景:
- A型インフルエンザウイルス (IAV) は,宿主特異性により,種間感染を制限するが,予防することはできず,重大なパンデミックリスクをもたらす.
- IAVの宿主特異性の変化を早期に検出することは公衆衛生にとって重要ですが,ゲノムデータを用いることは依然として困難です.
- 鳥インフルエンザウイルスの潜在的な動物性感染症の脅威を特定することは,疫病の早期管理に不可欠です.
研究 の 目的:
- インフルエンザAウイルスの宿主特異性をゲノム配列から予測するための計算モデルを開発し,検証する.
- H5N1,H7N9,H9N2などの動物性感染症の可能性のある鳥インフルエンザウイルスに焦点を当てること.
- インフルエンザの発生時のリアルタイムのリスク評価と監視のためのツールを提供すること.
主な方法:
- Flu-CNNというコンボリューションニューラルネットワーク (CNN) モデルの開発.
- インフルエンザ-CNNの訓練と評価は,911,098のウイルスゲノム配列の大きなデータセットで行われました.
- 個々のゲノムセグメントを分析し,宿主特異性を決定し,重要な変異を特定する.
主要な成果:
- インフルエンザ-CNNは,単一のゲノムセグメントから宿主特異性を予測する 99%の精度を達成しました.
- このモデルは,限られた株を持つ高リスクの鳥インフルエンザサブタイプでも高い精度を示した.
- 動物性感染症の可能性に関連する重要な突然変異が特定され,モデルは特定の株の動物性感染症リスクを評価した.
結論:
- インフルエンザ-CNNは,ゲノムデータを用いてIAVの宿主特異性を予測する先駆的な,非常に正確なアプローチを提供します.
- このモデルは,ヒトに感染する可能性のあるインフルエンザウイルスに対する早期のアウトブレイク監視とリスク軽減戦略を大幅に強化します.
- この計算ツールにより ウイルスの進化に関する新しい洞察が得られ, インフルエンザの広範囲にわたる感染を防ぐための世界的な取り組みが支援されます.
