使用内部单核酸变异数据来预测SARS-CoV-2检测周期值
Lea Duesterwald1,2, Marcus Nguyen2,3,4, Paul Christensen5,6
1College of Engineering, Cornell University, Ithaca, NY, United States of America.
PloS one
|October 30, 2024
概括
现在可以使用基因组数据预测COVID-19病毒载量. 这项研究表明,序列数据可以预测PCR周期值 (Ct) 值,有助于大流行控制工作.
科学领域:
- 基因组学就是基因组学.
- 病毒学 病毒学
- 计算生物学 计算生物学
背景情况:
- 由越来越容易传播的变种驱动的COVID-19大流行.
- 缺乏临床意义上的病毒特征的预测工具.
- PCR周期值 (Ct) 与病毒载量和疾病传播相关.
研究的目的:
- 使用基因组数据开发病毒载荷的预测模型.
- 评估从SARS-CoV-2序列数据中预测PCR Ct值的可行性.
- 探索肠内单核酸变异 (iSNV) 数据对于流行病学见解的有用性.
主要方法:
- 利用了36335个高质量的SARS-CoV-2基因组的数据集.
- 开发了基于核酸 (A,T,G,C) 和indel频率的XGBoost模型.
- 在与武汉-胡-1参考基因组相对应的iSNV数据上训练模型.
主要成果:
- 获得了0.604的预测R平方值和5.247.247的RMSE.
- 对于PCR Ct值的预测能力很小.
- 模型性能在外部数据集中稳定,并且对患者因素和仪器设备强大.
结论:
- 基因组序列数据可用于预测临床相关的病毒特征,如CT值.
- 开发的模型显示了疾病预防和控制策略的潜力.
- 强调利用公开可用的基因组数据在公共卫生方面的价值.
更多相关视频
06:08Author Spotlight: A Pseudotype Virus System for Assessing Omicron Subvariants and Neutralizing Antibodies in SARS-CoV-2 Research
Published on: September 8, 2023
1.1K
07:15Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation
Published on: January 16, 2019
10.9K
