MolEpidPred:使用VP1核酸序列数据进行口疫病毒分子流行病学的新型计算工具

科学领域:

• 兽医病毒学 兽医病毒学
• 计算生物学 计算生物学
• 流行病学 流行病学

背景情况:

• 口病病毒 (FMDV) 的分子流行病学对于疫苗接种和制等有效的控制策略至关重要.
• 目前用于FMDV血型鉴定的方法是生物的,具有风险和耗时.
• 新型计算方法对于大规模的FMDV分子流行病学至关重要.

研究的目的:

• 开发和验证一个全面的计算工具,用于FMDV的快速分子流行病学.
• 识别和实施高性能机器学习算法,用于FMDV血型,拓型和血统预测.

主要方法:

• 通过基于序列的功能评估了10个用于FMDV血清型预测的机器学习算法.
• 选择了高性能算法 (SVM,随机森林,XGBoost,AdaBoost) 用于拓型和谱系预测.
• 在独立的数据集和湿实验室实验数据上验证了开发的计算工具MolEpidPred.

主要成果:

• 支持矢量机,随机森林,XGBoost和AdaBoost算法在血清型预测方面表现出卓越的性能.
• 在独立验证中,MolEpidPred工具实现了高准确度:血清型≥98%,拓型≥90%,血统≥80%.
• 在湿实验室数据上,MolEpidPred在血清型和拓型方面达到100%的准确性,在血统预测方面达到96%的准确性,在速度上超越了家族遗传学分析.

结论:

• 该MolEpidPred工具提供了一个创新的和高效的平台,用于大规模的分子流行病学的FMDV.
• 这种计算工具显著加快了FMDV感染的跟踪,并支持控制程序的实施.