使用ViralCellDetector检测细胞系中的病毒感染
Rama Shankar1, Shreya Paithankar1, Suchir Gupta1
1Department of Pediatrics and Human Development, College of Human Medicine, Michigan State University, Grand Rapids, MI 49503, USA.
bioRxiv : the preprint server for biology
|August 7, 2023
概括
研究人员现在可以使用RNA测序数据检测细胞系中的病毒感染. 一个新的工具,ViralCellDetector和一个机器学习模型识别受感染的样本,提高研究准确度.
科学领域:
- *分子生物学和生物信息学.
- * 细胞系研究和病毒诊断.
背景情况:
- * 细胞系对生物研究至关重要,但病毒污染是一个重大的,难以检测的问题.
- * 现有的检测细菌和真菌体感染的方法不足以识别细胞系中的病毒病原体.
研究的目的:
- *开发使用RNA测序 (RNA-seq) 数据在细胞系中检测病毒感染的新方法.
- * 创建一个工具和机器学习模型,用于准确识别细胞培养中的病毒污染.
主要方法:
- *开发了ViralCellDetector,可以将RNA-seq数据与病毒基因组库进行映射.
- * 识别了与病毒感染相关的差异表达宿主基因.
- *采用机器学习模型,使用宿主反应生物标志物进行分类.
主要成果:
- * 大约10%的MCF7细胞系实验显示病毒感染的迹象.
- *机器学习模型在分类受感染样本时实现了0.91的AUC和93%的准确性.
- * 基于映射和标记的方法都能有效地检测细胞系中的病毒感染.
结论:
- * ViralCellDetector 和基于标记的机器学习模型为检测细胞系中的病毒感染提供了强大的工具.
- *这些方法利用可访问的RNA-seq数据,使研究人员能够避免使用受污染的细胞系进行实验.
- *这些发现提高了基于细胞系的研究的可靠性和可重复性.
