深度学习模型是基于对宿主基因表达的对对分析来区分不同的感染类型
Jize Xie1,2, Xubin Zheng1,3, Jianlong Yan1
1Guangdong Provincial Clinical Research Center for Geriatrics, Shenzhen People's Hospital (First Affiliated Hospital of Southern University of Science and Technology, Second Clinical Medicine College of Jinan University), Shenzhen 518020, China.
iScience
|June 3, 2024
概括
这项研究介绍了bvnGPS2,一个深度神经网络,可以使用宿主基因表达精确识别细菌和病毒感染. 这一进步有助于精确医学治疗感染.
科学领域:
- 基因组学就是基因组学.
- 传染病研究 传染病研究
- 计算生物学 计算生物学
背景情况:
- 区分细菌和病毒感染对于有效的疾病治疗至关重要.
- 主体基因表达模式反映了对各种病原体的免疫反应.
- 目前的诊断方法可能缺乏针对性治疗所需的精度.
研究的目的:
- 开发一个深度神经网络模型,bvnGPS2,用于精确识别阳性细菌,阴性细菌和病毒感染.
- 利用宿主转录组数据和注意力机制来提高诊断准确度.
- 为了证明该模型在针对传染病的个性化医学策略中的实用性.
主要方法:
- 开发了bvnGPS2深度神经网络模型,其中包含了注意力机制.
- 对大型集成宿主转录组数据集 (4,949个血液样本,40个队伍) 的分析.
- 利用 iPAGE omics 数据整合方法来选择歧视性基因对进行模型训练.
- 在六个独立队列 (374个样本) 上进行模型验证.
主要成果:
- bvnGPS2模型在准确识别特定感染类型 (格拉姆阳性细菌,格拉姆阴性细菌,病毒) 方面表现出强大的能力.
- 该模型的性能在多样化,独立的队列中得到了验证.
- 这项研究强调了宿主基因表达分析在感染诊断方面的潜力.
结论:
- bvnGPS2深度神经网络为精确的病原体检测提供了一个强大的工具.
- 这种方法支持开发用于感染管理的精准医学策略.
- 该方法可能适用于识别感染以外的其他疾病的亚型.
