流感A病毒致命疾病的预测模型从的呼吸道和大脑组织中获得了洞察力
Troy J Kieran1, Xiangjie Sun2, Taronna R Maines2
1Influenza Division, Centers for Disease Control and Prevention, 1600 Clifton Rd NE, Atlanta, GA, USA. tkieran@cdc.gov.
Scientific reports
|July 7, 2025
概括
甲型流感病毒 (IAV) 在子的大脑嗅觉球体 (BnOB) 中的复制与高致病性相关. 机器学习模型有效地使用BnOB病毒标位预测IAV致命性,帮助评估大流行风险.
科学领域:
- 病毒学 病毒学
- 病原体研究 病原体研究
- 机器学习在生物学中的应用
背景情况:
- 在风险评估中,从感染甲型流感病毒 (IAV) 的身上收集系统性组织是常见的.
- 关于IAV在特定组织中的复制如何与临床结果相关的数据有限.
- 这阻碍了对尸体解剖结果进行风险评估的充分背景化.
研究的目的:
- 为了研究IAV在离散鱼组织中的复制和临床结果之间的关系.
- 评估组织病毒标位作为机器学习 (ML) 模型中的特征用于预测IAV病原性的实用性.
- 在IAV风险评估中评估嗅觉球泡 (BnOB) 病毒标位的预测值.
主要方法:
- 从接种了100多种独特的IAV菌株 (人类和鸟类起源,各种亚型) 的子收集的综合数据.
- 在鼻,肺,大脑和嗅球 (BnOB) 中检测传染性病毒的分析.
- 开发和评估ML模型用于使用组织病毒标位数据预测死亡率.
主要成果:
- 病毒组织标位数据的包含在预测死亡率的ML模型中保持了高性能.
- 在高致病性IAV感染中,BnOB中的传染性病毒被检测得更频繁,更大.
- 在分类模型中,BnOB组织是排名最高的个体预测因素.
结论:
- BnOB病毒标位显示了评估子IAV病原性的潜力.
- ML模型可以有效地利用体内数据进行增强的流行病风险评估.
- 专注于像BnOB这样的特定组织可以改善对IAV在宿主内部动态的理解.
