通过多特征亚样采集,优化大规模艾滋病毒C亚型数据集的祖先特征重建
Xingguang Li, Nídia S Trovão1, Joel O Wertheim2
1Division of International Epidemiology and Population Studies, Fogarty International Center, National Institutes of Health, 31 Center Dr, Bethesda, MA 20892, USA.
Virus evolution
|December 4, 2023
概括
人类免疫缺陷病毒1型的亚样本取样C型亚型数据通过解决采样偏差来改善植物动力学重建. 包括所有可用的特征,即使记录不良,优化了进化和时空分析的数据集.
科学领域:
- * 计算生物学和生物信息学
- * 流行病学和公共卫生
- * 病毒进化和植物动力学
背景情况:
- * 大数据集和采样偏差对准确的植物动力学重建构成挑战.
- * 异质数据源和便利抽样可能会加剧病毒数据集中的偏差.
- *了解人类免疫缺陷病毒1型C亚型的动态需要强大的分析方法.
研究的目的:
- * 评估不平衡采样对人类免疫缺陷病毒1型C亚型的植物动力学重建的影响.
- * 评估全面的部分采样策略在减轻采样偏差方面的有效性.
- * 确定最佳数据集特征,以重建病毒空间和风险组动态.
主要方法:
- * 采用了对人类免疫缺陷病毒1型C型亚型数据的综合分样采集策略.
- *分析了采样分布在采集日期,地点和风险组.
- * 采用了家族遗传学比较方法来重建祖先的特征.
主要成果:
- *通过所有可用的特征进行子样本,特别是使用多基因数据集,可以获得最适合用于祖先特征重建的数据.
- *当特征信息不可用或质量差时,采样偏差会显著膨胀,正如风险组特征所见的那样.
- *在亚抽样中包括记录不良的特征,可以优化数据集的代表性,而不是排除它们.
结论:
- * 刻意包括所有可用的特征,即使记录不完善,也提高了数据集对植物动力学分析的代表性.
- * 亚抽样方法对于优化数据集,降低计算负担和提高植物动力学重建的准确性至关重要.
- *这种策略有利于研究传染病的进化和时空模式的研究人员.


