用于季节性疫苗的流感病毒候选者的家族遗传鉴定
Maryam Hayati1, Benjamin Sobkowiak2, Jessica E Stockdale2
1School of Computing Science, Simon Fraser University, Burnaby, BC V5A 1S6, Canada.
Science advances
|November 3, 2023
概括
对于季节性疫苗来说,很难预测流通的流感病毒. 这项研究使用机器学习对血凝素 (HA) 和神经氨基酶 (NA) 序列进行预测,以预测未来的流感菌株,实现高精度和帮助疫苗选择.
科学领域:
- 病毒学 病毒学
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 季节性流感疫苗的目的是防止预测的循环菌株.
- 准确预测未来流感病毒菌株是疫苗开发的一个重大挑战.
研究的目的:
- 开发和评估一种机器学习方法,用于预测未来流通的流感病毒菌株.
- 评估家族遗传特征和机器学习在告知季节性流感疫苗菌株选择中的有用性.
主要方法:
- 利用了来自血凝素 (HA) 和神经氨基酶 (NA) 序列的遗传树特征.
- 采用支持矢量机 (SVM) 模型来预测未来的病毒循环.
- 从2016年至2020年使用精度和曲线下的面积 (AUC) 度量来评估模型性能.
主要成果:
- 在2016-2020年期间实现了0.75至0.89 (AUC0.83至0.91) 的预测准确度.
- 机器学习模型在识别接近未来循环人口的疫苗候选人方面取得了适度的成功.
- 最近三年的共识序列也在选择潜在的疫苗菌株方面表现出有效性.
结论:
- 开发的机器学习方法在协助季节性流感疫苗菌株选择方面显示出前景.
- 遗传学分析与机器学习相结合,为预测未来流感病毒演变提供了有价值的工具.
- 研究结果表明,这种计算方法可以补充世界卫生组织等组织用于疫苗推的现有策略.


