基于动态组合选择的分类算法,用于预测HIV感染患者的包膜蛋白的突变模式
Mohammad Fili1, Guiping Hu2, Changze Han3
1Department of Industrial and Manufacturing Systems Engineering, Iowa State University, 3014 Black Engineering, 2529 Union Drive, Ames, IA, 50011, USA.
Algorithms for molecular biology : AMB
|June 19, 2023
概括
一个新的算法通过分析相邻位置来预测人类免疫缺陷病毒1型 (HIV-1) 包膜 (Env) 蛋白质突变. 这种方法有助于更好地理解针对HIV-1治疗策略的Env变异性.
科学领域:
- 病毒学 病毒学
- 计算生物学 计算生物学
- 结构生物学 结构生物学
背景情况:
- 人类免疫缺陷病毒1型 (HIV-1) 包膜 (Env) 蛋白质疗法是有效的,但由于不可预测的突变,新兴的,耐治疗的Env变体提出了挑战.
- 了解Env突变的空间和时间模式对于开发有效和持久的HIV-1疗法至关重要.
研究的目的:
- 开发和评估一种新的算法,用于预测HIV-1 Env蛋白位的突变状态.
- 为了利用相邻的氨基酸位置的结构上下文,以便更准确地预测可变性.
主要方法:
- 开发了一个动态集合选择算法 (k-best分类器) 来预测Env位置的可变性状态.
- 将算法应用于300名HIV-1感染个体的Env序列,将变异性映射到蛋白质的3D结构上.
- 根据相邻位置的变化,估计每个位置的变化状态.
主要成果:
- 拟议的算法与基础学习者和其他分类算法相比,表现优越.
- 准确预测关键Env区域的突变状态,包括高曼诺斯补丁和CD4结合部位,以治疗为目标.
- 该算法在预测Env蛋白质上治疗药物的多位置足迹变异性方面表现出色.
结论:
- 开发的算法提供了一种高性能动态组合选择技术,用于预测Env的可变性.
- 改善空间时间突变模式的预测可以为个性化HIV-1治疗策略的开发提供信息.
- 该方法为针对不断演变的HIV-1 Env变体提供了更有针对性和更有效的治疗方法的基础.
