PREDAC-CNN:预测具有卷积神经网络的季节性流感A病毒的抗原集群
Jing Meng1, Jingze Liu1, Wenkai Song2
1State Key Laboratory of Common Mechanism Research for Major Diseases, Suzhou Institute of Systems Medicine, Chinese Academy of Medical Sciences & Peking Union Medical College, Suzhou 215123, Jiangsu, China.
Briefings in bioinformatics
|February 12, 2024
概括
预测流感A病毒抗原变体对于有效的疫苗至关重要. 一个新的模型,PREDAC-CNN,使用卷积神经网络来分析血凝素 (HA) 蛋白序列,改善变体预测和疫苗菌株选择.
科学领域:
- 病毒学 病毒学
- 计算生物学 计算生物学
- 免疫学 免疫学 免疫学
背景情况:
- 流感病毒疫苗接种是预防的关键,向血凝素 (HA) 表面抗原.
- 由HA突变引起的抗原漂移,需要准确预测疫苗疗效的病毒变异.
- 了解HA1中的氨基酸相互作用对于预测流感A病毒抗原性至关重要.
研究的目的:
- 介绍PREDAC-CNN,一种用于跟踪季节性流感A病毒抗原演变的新型模型.
- 利用卷积神经网络 (CNN) 来分析HA1序列内的空间特征和氨基酸相互作用.
- 改善抗原变异的预测,并协助推疫苗菌株.
主要方法:
- 利用卷积神经网络 (CNN) 来从HA1序列中提取空间特征表示.
- 开发了PREDAC-CNN模型,该模型侧重于与流感抗原性相关的物理化学属性.
- 采用5倍交叉验证和追溯测试来评估模型性能.
主要成果:
- 与现有方法相比,PREDAC-CNN在预测抗原变异方面表现优越.
- 该模型有效地捕获了HA1序列内的氨基酸位点相互作用.
- 在1968-2023年和1977-2023年期间,PREDAC-CNN分别确定了A/H3N2和A/H1N1菌株的主要抗原群.
结论:
- PREDAC-CNN提供了一种强大的工具,用于分析流感A病毒的抗原演变.
- 该模型能够预测变异和识别抗原集群,这有助于选择最佳疫苗菌株.
- 准确的抗原变体预测对于保持流感疫苗有效的有效性至关重要.
