インフルエンザAウイルスの宿主指向性の予測：マルチセグメントヌクレオチドシグネチャからの洞察

科学分野:

• ウイルス学
• ゲノミクス
• バイオインフォマティクス
• 機械学習

背景:

• インフルエンザAウイルス（IAV）は、その種間伝播と複雑な宿主適応により、公衆衛生上の大きな脅威となっています。
• IAVの宿主指向性を理解することは、人獣共通感染症のスパイクイベントを予測および防止するために不可欠です。

研究 の 目的:

• 全ゲノムヌクレオチドデータを使用したIAV宿主指向性を予測するための機械学習モデルを開発およびベンチマークすること。
• IAVの宿主適応を駆動する重要なヌクレオチド部位とその相互作用を特定すること。
• IAVサーベイランスを強化し、新たなウイルスの脅威に対する戦略に情報を提供すること。

主な方法:

• 鳥類、ヒト、ブタ、ウシの宿主からの64,000のIAV配列の分析。
• 8つのゲノムセグメントすべてのヌクレオチド部位の特徴を使用した4クラス分類フレームワークの開発。
• 8つの機械学習アルゴリズムのベンチマーク、パフォーマンスは精度、適合率、再現率、F1スコア、AUPRC、およびAUCを使用して評価されました。
• SHAP分析を使用した重要なヌクレオチド部位の優先順位付けと、二変量関連性検定による相乗的/拮抗的な部位相互作用の特定。

主要な成果:

• XGBoostアルゴリズムは、ヒト由来のIAV配列を区別する上で最高のパフォーマンス（AUC > 0.95）を達成しました。
• SHAP分析により、NSセグメントの特定の部位を含む、ゲノムセグメントごとにトップ20の重要なヌクレオチド部位が特定されました。
• ヌクレオチド組成分析により、宿主特異的な類似性（例：ヒト-ブタ、鳥類-ウシ）が明らかになり、特定の宿主株（例：ヒト vs. ブタのHAセグメント）を区別する上での課題が浮き彫りになりました。
• 二変量部位関連性検定により、ゲノムセグメント内の重要なヌクレオチド部位間の複雑な相乗的および拮抗的なネットワークが明らかになりました。

結論:

• 本研究は、IAVの宿主適応のメカニズム的理解を提供し、人獣共通感染症のリスク層別化のための分子決定因子を特定しました。
• ヌクレオチドシグネチャに基づいたウイルス宿主指向性を予測するためのスケーラブルな機械学習フレームワークが確立されました。
• 本研究の結果は、IAVサーベイランス戦略を強化し、新たなウイルスの脅威に対する予防策に情報を提供します。