基于机器学习的分析埃博拉病毒对非人类灵长类动物基因表达的影响
Mostafa Rezapour1, Muhammad Khalid Khan Niazi1, Hao Lu1
1Center for Artificial Intelligence Research, Wake Forest University School of Medicine, Winston-Salem, NC, United States.
Frontiers in artificial intelligence
|September 16, 2024
概括
这项研究引入了监督的大小-高度评分 (SMAS) 用于分析非人类灵长类动物的埃博拉病毒 (EBOV) 基因表达. SMAS确定IFI6和IFI27是关键生物标志物,改善了EBOV诊断.
科学领域:
- 病毒学和免疫学 病毒学和免疫学
- 机器学习在生物学中的应用
- 基因组学和生物信息学
背景情况:
- 埃博拉病毒 (EBOV) 感染对全球健康构成重大威胁,需要改进诊断和治疗策略.
- 了解宿主-病原体相互作用对于破译EBOV病原体和确定有效干预目标至关重要.
- 基因表达分析为发现与病毒感染相关的分子特征提供了一个强大的工具.
研究的目的:
- 引入监督的大小-高度评分 (SMAS) 方法,一种新的机器学习方法,用于分析感染EBOV的非人类灵长类动物 (NHPs) 的基因表达数据.
- 通过专注于宿主-病原体相互作用来确定EBOV感染的关键宿主生物标志物.
- 提高EBOV和其他病毒感染的诊断和干预措施的精度.
主要方法:
- 使用了来自EBOV感染的NHP的NanoString基因表达特征.
- 开发了基于统计学意义和表达变化的基因选择的SMAS系统.
- 采用线性分类器,包括后勤回归,用于精确的样本差异化.
主要成果:
- 确定IFI6和IFI27作为100%准确度和最佳曲线下面积 (AUC) 的关键生物标志物,用于分类EBOV感染阶段.
- 观察到MX1,OAS1和ISG15的显著上调,表明它们在宿主免疫反应对EBOV.15的关键作用.
- 基因本体学分析证实了已识别的基因参与了重要的生物过程和免疫路径.
结论:
- 在EBOV感染期间,SMAS方法有效地揭示了复杂的遗传相互作用和宿主反应机制.
- IFI6和IFI27已被验证为EBOV感染的高度预测性生物标志物.
- 这种方法对推进病毒性疾病的诊断工具和治疗策略具有前景.
