基于基因组组成的深度学习可以预测HPV的致癌潜力

科学领域:

• 病毒学 病毒学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 人类乳头瘤病毒 (HPV) 与超过30%的癌症有关,E6和E7基因发挥着关键的致癌作用.
• 目前用于识别高风险HPV基因型的方法很慢,依赖于生物和临床观察,使许多类型未经分类,具有未知的致癌性.

研究的目的:

• 分析HPVE6和E7基因的基因组组成特征.
• 开发一个深度学习模型来预测HPV致癌潜力.
• 改善瘤性HPV类型的识别,特别是未分类的类型.

主要方法:

• 检索并清理了高质量的HPV序列记录.
• 分析了E6和E7基因的二核酸 (DNT) 和DNT表示 (DCR) 特性.
• 构建并训练了一个卷积神经网络 (CNN) 模型,使用 DCR 数据来预测致癌性.

主要成果:

• 对于E6和E7编码序列,观察到明显的DCR特征,清楚地区分了阿尔法,β和gamma HPV组.
• 美国有线电视新闻网的模型有效地学习了来自E6和E7基因的DCR数据.
• 美国有线电视新闻网的分类器准确地预测了高风险和低风险HPV的致癌性.

结论:

• HPV E6 和 E7 基因的基因组组合特征在高瘤类型和低瘤类型之间存在显著差异.
• 一个基于DCR的深度学习分类器准确地预测HPV瘤性表型.
• 这种预测因素有助于识别HPV的致癌性,特别是未分类或表型不明的HPV类型.