传染病病毒:使用机器学习模型预测病毒病型,重点关注血液总细胞计数的早期变化
Annonciade Molinet1, Céline Courtillon1, Stéphanie Bougeard1
1Agence Nationale de Sécurité Sanitaire de L'alimentation, de L'environnement Et du Travail, 41 Rue de Beaucemaine, 22440, Ploufragan, France.
Veterinary research
|October 31, 2023
概括
一个新的预测模型使用早期的血细胞变化来快速识别的传染性病病毒 (IBDV) 病变型. 这种更快,更道德的方法有助于疾病管理和研究.
科学领域:
- 鸟类病毒学 鸟类病毒学
- 免疫学 免疫学 免疫学
- 机器学习 机器学习
背景情况:
- 传染性病病毒 (IBDV) 在家禽中造成重大损失,各种病型缺乏分子标记物.
- 目前的IBDV病型鉴定依赖于长期的,在伦理上涉及动物实验.
- 需要更快,更道德的方法来确定IBDV菌株的毒力.
研究的目的:
- 使用早期感染参数开发IBDV病变型的预测模型.
- 减少对传统,耗时的动物实验的依赖,以确定IBDV菌株的特征.
- 为了提高IBDV病型鉴定的速度和伦理性.
主要方法:
- 在标准化条件下,被感染了各种IBDV病变型.
- 血细胞计数 (B细胞,T细胞,单细胞,粒细胞,血栓细胞,红细胞),尿路血,和bursal病毒载量在感染后的2和4天被测量.
- 机器学习算法被用来建立基于早期感染数据的预测模型.
主要成果:
- 一个预测模型准确地识别了IBDV病型,总准确率为84.1%.
- 该模型在预测减弱型和严格免疫抑制型病变类型方面达到90%以上的准确性.
- 关键预测参数包括感染后4天的特定血细胞度 (B细胞,T细胞,单细胞,粒细胞,血栓细胞,红细胞).
结论:
- 血液细胞配方的早期变化可以可靠地预测IBDV病变型.
- 这种基于机器学习的模型提供了一个比传统IBDV病态定型方法更快,更道德的替代方案.
- 该模型有助于快速鉴定菌株,有助于控制禽病的战略.
