使用质谱和深度学习预测野外蚊的年龄
Noshine Mohammad1, Pauline Naudion1, Abdoulaye Kane Dia2
1Sorbonne Université, Inserm, Institut Pierre-Louis d'Epidémiologie et de Santé Publique, IPLESP, AP-HP, Groupe Hospitalier Pitié-Salpêtrière, Service de Parasitologie-Mycologie, 75013 Paris, France.
Science advances
|May 10, 2024
概括
准确的蚊子年龄估计对于跟踪疟疾传播至关重要. 一种使用质谱和深度学习的新快速方法可以准确预测蚊子的年龄,有助于媒介监测和控制工作.
科学领域:
- 载体生物学 载体生物学
- 流行病学 流行病学
- 分析化学是一种分析化学.
背景情况:
- 蚊子传播的疾病,如疟疾,是全球日益严重的健康问题.
- 准确的蚊子年龄估计对于监测疟疾传播和评估媒介控制有效性至关重要.
- 目前在现场确定蚊子年龄的方法往往不准确,劳动密集.
研究的目的:
- 开发和验证一种快速,准确的方法来预测野外收集的蚊子的年龄.
- 利用矩阵辅助激光脱吸/电离-飞行时间质谱学 (MALDI-TOF MS) 结合深度学习来预测蚊子的年龄.
- 评估这种新方法在改善蚊子载体监测和疟疾控制方面的潜力.
主要方法:
- 收集了251个来自塞内加尔的 *Anopheles arabiensis* 蚊子的野外标本.
- 从蚊子的头部,腿部和胸部样本中获得了2763个质谱.
- 在 MALDI-TOF MS 数据上开发和训练深度学习模型,用于年龄预测.
主要成果:
- 开发的深度学习模型在预测蚊子年龄时达到1.74天的平均绝对误差.
- 在两个不同的生态地点观察到一致的模型性能.
- 在蚊子中,与年龄相关的蛋白质表达变化被确定并与年龄预测相关.
结论:
- 这种快速的MALDI-TOF MS和深度学习方法为准确的蚊子年龄估计提供了有前途的工具.
- 该方法可以显著提高蚊子载体监测,并为有效的疟疾控制战略做出贡献.
- 这种方法在*Anopheles*蚊子之外有潜在的应用,包括其他疾病载体,如*Aedes*.
