用机器学习和短序k-mers对病毒宿主预测的分类学特征和样本偏差的影响
Fedor S Perelygin1,2, Alexander N Lukashev1,3, Yulia A Aleshina4,5
1Martsinovsky Institute of Medical Parasitology, Tropical and Vector Borne Diseases, First Moscow State Medical University (Sechenov University), Moscow, 119435, Russian Federation.
预测病毒宿主对于识别新出现的传染病至关重要. 机器学习模型,特别是使用4mer频率的支持向量机,有效地从基因组数据中识别新型RNA病毒的宿主.
科学领域:
- 病毒学
- 生物信息学
- 机器学习
背景情况:
- 转基因病毒研究揭示了许多新型病毒,需要快速预测宿主.
- 准确的宿主识别对于管理新出现的传染病库至关重要.
研究的目的:
- 开发和评估用于预测新型RNA病毒宿主的机器学习算法.
- 评估基因组特征和序列长度对预测准确性的影响.
主要方法:
- 在病毒基因组数据上训练了四个机器学习算法 (随机森林,梯度增强,支持向量机).
- 使用K-mer频率 (4-mers) 和核酸组成作为预测特征.
- 使用F1分数评估模型性能,与基于同类方法进行比较.
主要成果:
- 使用4mer频率的支持矢量机实现了预测未知病毒属的0.79的中位加权F1得分.
- 这种性能明显优于tBLASTx (0. 68) 和其他ML模型的基线方法.
- 使用相同长度的片段进行训练可以提高短病毒序列的预测质量.
结论:
- 短k-mer频率包含足够的信息来准确预测新型RNA病毒属.
- 开发的算法为快速分析元病毒数据提供了强大的方法.
- 这种工具可以帮助识别未知病毒序列的潜在生物威胁.
更多相关视频
11:12Protocols for Investigating the Host-tissue Distribution, Transmission-mode, and Effect on the Host Fitness of a Densovirus in the Cotton Bollworm
Published on: April 12, 2017
07:06Prediction of HIV-1 Coreceptor Usage Tropism by Sequence Analysis using a Genotypic Approach
Published on: December 1, 2011
相关概念视频
Modern Molecular Taxonomy
Applications of Molecular Taxonomy
Evolutionary Relationships through Genome Comparisons
Size and Structure of Viral Genomes
