监督学习方法用于准确和有效地识别奇孔古尼亚病毒血统和特征突变

科学领域:

• 病毒学 病毒学
• 基因组学就是基因组学.
• 机器学习 机器学习
• 流行病学 流行病学

背景情况:

• Chikungunya 病毒 (CHIKV) 是一个重要的公共卫生问题.
• 持续的病毒进化需要高分辨率的基因组监测.
• 现有的方法很难有效地区分CHIKV亚系.

研究的目的:

• 开发CHIKVGenotyper,这是一个可解释的机器学习框架,用于高分辨率的CHIKV谱系分类.
• 为CHIKV分子流行病学提供准确和可扩展的工具.
• 为了获得对病毒演变的洞察力,并支持疫情应对.

主要方法:

• 利用6886个CHIKV基因组序列的数据集,将其精制为3014个用于模型开发.
• 开发了一个分层的分配管道,集成了序列匹配,机器学习和遗传学验证.
• 训练和评估多个机器学习模型,包括随机森林,并使用SHAP分析.

主要成果:

• 最优的随机森林模型在全基因组数据上实现了近乎完美的准确性 (F1得分:99.53%),在低覆盖数据上实现了强大的性能 (F1得分:96.50%).
• 单单E2糖蛋白的准确性也相当 (F1得分为99.52%),这表明了它的区分潜力.
• 通过SHAP分析识别了关键的谱系定义突变 (例如,E1-K211E,E2-V264A),与生物学知识相一致.

结论:

• CHIKVGenotyper为高分辨率的CHIKV谱系分类提供了一个准确,可扩展和可解释的解决方案.
• 该工具通过提供对病毒演变的见解来增强分子流行病学.
• 这些发现支持通过精确的基因组监测改进疫情应对策略.