病毒与宿主相互作用预测器 (VHIP):机器学习方法来解决微生物病毒与宿主相互作用网络
G Eric Bastien1, Rachel N Cable1, Cecelia Batterbee1
1Department of Ecology and Evolutionary Biology, University of Michigan, Ann Arbor, Michigan, United States of America.
PLoS computational biology
|September 18, 2024
概括
一个新的机器学习模型,病毒主机交互预测器 (VHIP),准确地预测哪些病毒会感染哪些微生物. 该工具有助于了解病毒与宿主之间的相互作用及其生态影响.
科学领域:
- 微生物学 微生物学
- 病毒学 病毒学
- 生物信息学是一种生物信息学.
背景情况:
- 微生物病毒对于微生物群的进化和健康至关重要.
- 基因组测序揭示了大量的病毒多样性,但宿主鉴定仍然是一个挑战.
- 了解病毒与宿主之间的相互作用是推断微生物生态系统影响的关键.
研究的目的:
- 开发一种机器学习模型,用于预测病毒与宿主之间的相互作用.
- 为了能够更深入地了解自然系统中的病毒宿主网络.
- 超越识别病毒存在,了解感染动态.
主要方法:
- 开发了病毒主机交互预测器 (VHIP) 机器学习模型.
- 在手动策划的病毒宿主范围网络 (VHRnet) 数据集上训练并测试了VHIP的8849个病毒-宿主对.
- 来自实验室测试的病毒宿主对的基因组序列的计算病毒适应信号.
主要成果:
- 在物种层面上,VHIP在预测病毒与宿主相互作用方面达到87.8%的准确性.
- 该模型可以预测单个病毒的多个潜在宿主,反映网络的复杂性.
- 从元基因组数据,VHIP可以分析新的病毒和宿主基因组.
结论:
- 从基因组数据来预测病毒与宿主相互作用,VHIP提供了一个强大的工具.
- 该模型增强了我们研究病毒在微生物群中的生态和进化作用的能力.
- 准确预测病毒与宿主相互作用对于理解微生物社区动态及其对健康和环境的影响至关重要.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
3.9K
06:02Arbovirus Infections As Screening Tools for the Identification of Viral Immunomodulators and Host Antiviral Factors
Published on: September 13, 2018
6.8K
