评估机器学习方法用于使用H3流感基因组数据进行宿主预测.
Hoc Tran1, Olaf Berke1, Nicole Ricker2
1Department of Population Medicine, Ontario Veterinary College, University of Guelph, Ontario, Canada.
PloS one
|November 5, 2025
概括
机器学习模型使用所有八个基因组段准确地预测H3流感A病毒 (IAV) 的宿主. 该框架确定了具有高物种间传播潜力的IAV,有助于疫情防控.
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:
- 甲型流感病毒 (IAV) 经常跨越物种障碍,促进持续传播.
- 目前用于IAV的机器学习 (ML) 主机预测通常使用单个基因组段或广泛的主机类别.
研究的目的:
- 开发和验证ML模型,以使用所有八个基因组段的序列数据来预测H3 IAV的独特宿主.
- 为了确定具有增加物种间传播潜力的IAV变异.
主要方法:
- 训练有素的ML模型 (随机森林,XGBoost) 对八个IAV基因组段中的每一个k-mers和氨基酸特性进行了训练.
- 使用测试数据集验证模型,分析预测的概率以调查传输模式.
- 审查的案例研究包括狗H3N8,猪H3N2和的H3序列.
主要成果:
- 模型在所有八个细分领域都实现了高预测准确度 (0.995-0.997) 和kappa值 (0.984-0.990).
- 具有高预测概率 (>90%) 的序列往往表明了物种间传播事件.
- 案例研究分析证实模型预测与已知的传播模式保持一致.
结论:
- 开发的模型能够从任何基因组段对H3 IAV进行快速,准确的宿主预测.
- 为识别具有高传输潜力的IAV提供了一个框架.
- 建议进一步完善培训和验证流程是有必要的.
