深度学习引导的预测模拟登革热病毒的演变血清型
Zilwa Mumtaz1, Zubia Rashid2, Rashid Saif3
1KAM School of Life Sciences, Forman Christian College University, Ferozpur Road, Lahore, Pakistan.
Heliyon
|June 17, 2024
概括
预测新出现的登革热病毒 (DENV) 血清型对公共卫生至关重要. 这项研究引入了一个深度学习模型,通过分析基因组序列,准确预测新的DENV血清型.
科学领域:
- 病毒学 病毒学
- 基因组学就是基因组学.
- 计算生物学 计算生物学
背景情况:
- 病毒进化,特别是登革热病毒 (DENV),驱动疾病的出现,并影响公共卫生.
- 在DENV血清型的突变可以导致基因型的改变,增加疫情的风险.
- 准确预测新出现的DENV血清型对于疾病控制和预防至关重要.
研究的目的:
- 开发和评估一种深度学习模型,用于预测新出现的登革热病毒血清型.
- 为了利用完整的基因组序列来预测DENV基因组改变.
- 提高对DENV演变及其公共卫生影响的理解.
主要方法:
- 开发了一个深度学习模型DL-DVE,使用长短期记忆 (LSTM) 进行生成和Feedforward神经网络 (FNN)进行分类.
- 该模型是在2000个公开可用的DENV完整基因组序列上训练的.
- 使用MEME Suite识别了保存的图案,并通过BLAST分析了序列相似性.
主要成果:
- DL-DVE模型在序列生成中实现了93%的准确性和分类中的高可靠性 (ROC-AUC 0.818,其他指标的~99%).
- 生成的序列被归类为DENV-4,与这种血清型有很大的相似性,与其他血清型有很大的区别.
- 分析揭示了保存的动机,突出了血清型内分歧,强调了序列的独特性.
结论:
- DL-DVE模型证明了学习复杂的基因组模式的能力,以预测新出现的DENV血清型.
- 这种深度学习方法提供了一种用于预测病毒演变和潜在疫情的新方法.
- 这些发现有助于更好地了解DENV基因组多样性,并可以帮助制定有针对性的诊断和疫苗策略.
