检查流感A病毒酸结合偏好预测基于序列的卷积神经网络的预测
Laura K Borkenhagen1, Jonathan A Runstadler1
1Department of Infectious Disease and Global Health, Cummings School of Veterinary Medicine, Tufts University, North Grafton, Massachusetts, USA.
Influenza and other respiratory viruses
|December 11, 2024
概括
这项研究引入了一个机器学习模型来预测流感A病毒结合偏好,减少了昂贵的实验室测试的需要. 开发的模型准确地预测病毒热流,有助于流行病风险评估.
科学领域:
- 病毒学 病毒学
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 流感A病毒宿主热带性和溢出潜力受到受体结合特异性的影响.
- 目前用于确定病毒受体结合偏好的方法是劳动密集型和昂贵的.
研究的目的:
- 试验一种机器学习方法来预测流感A病毒的结合偏好.
- 开发一种用于快速评估病毒热流的计算工具.
主要方法:
- 一个卷积神经网络使用血凝胺氨基酸序列进行训练,以预测α2,6-链接酸偏好.
- 该模型的性能在一个独立的测试集上进行了评估,包括对缺失数据影响的评估和对新型亚型的预测.
- 通过有针对性的突变发生实验验证实了关键的预测特征.
主要成果:
- 机器学习模型在测试数据集上实现了94%的预测准确度和0.93的AUC.
- 该模型表现出强度,能够承受高达10%的缺失数据,而不会显著降低性能.
- 对新型亚型的预测表明该模型能够推断特征关系,并确定了影响结合偏好的关键氨基酸位置.
结论:
- 这项研究支持in silico方法的实用性,用于预测血凝素受体结合偏好.
- 这项研究突出了计算工具的潜力,以提高未来的流行病风险评估.
