マシンラーニングと短シーケンスのk-mersを用いたウイルス宿主予測に対する分類学,宿主依存の特徴とサンプルバイアスの影響
Fedor S Perelygin1,2, Alexander N Lukashev1,3, Yulia A Aleshina4,5
1Martsinovsky Institute of Medical Parasitology, Tropical and Vector Borne Diseases, First Moscow State Medical University (Sechenov University), Moscow, 119435, Russian Federation.
ウイルスの宿主を予測することは,新たな感染症を特定するのに極めて重要です. 機械学習モデル,特に4mer周波数を使用するベクトルマシンは,ゲノムデータから新しいRNAウイルスのホストを効果的に識別します.
科学分野:
- ウイルス学
- バイオ情報学
- 機械学習
背景:
- メタウィロミクスの研究では,多数の新種のウイルスが発見され,迅速な宿主予測が求められます.
- 感染源を正確に特定することは 感染源の管理に不可欠です
研究 の 目的:
- 新しいRNAウイルスの宿主を予測するための機械学習アルゴリズムの開発と評価.
- ゲノム特性と配列長が予測の正確性に与える影響を評価する.
主な方法:
- 4つの機械学習アルゴリズム (ランダムフォレスト,グラデーションブースト,サポートベクトルマシン) がウイルスゲノムデータで訓練されました.
- K-mer周波数 (4-mers) とヌクレオチド組成は予測機能として使用された.
- モデルの性能は,F1スコアを使用して評価され,同型ベースの方法と比較されました.
主要な成果:
- 4merの周波数を持つサポートベクトルマシンは,未知のウイルス属を予測するために,F1スコアの中位値0.79を達成しました.
- この性能は,tBLASTx (0. 68) や他のMLモデルのようなベースラインメソッドを大幅に上回った.
- 同じ長さの断片を使用することで,短いウイルス配列の予測品質が向上しました.
結論:
- 短い k-mer 周波数には,新しい RNA ウイルスの精密な宿主予測のための十分な情報が含まれています.
- 開発されたアルゴリズムは,メタウィロミックデータの迅速な分析のための堅実なアプローチを提供します.
- このツールは,未知のウイルス配列からの潜在的な生物学的脅威を特定するのに役立ちます.
さらに関連する動画
11:12Protocols for Investigating the Host-tissue Distribution, Transmission-mode, and Effect on the Host Fitness of a Densovirus in the Cotton Bollworm
Published on: April 12, 2017
07:06Prediction of HIV-1 Coreceptor Usage Tropism by Sequence Analysis using a Genotypic Approach
Published on: December 1, 2011
関連する概念動画
Modern Molecular Taxonomy
Applications of Molecular Taxonomy
Evolutionary Relationships through Genome Comparisons
Size and Structure of Viral Genomes
