呼吸器ウイルス配列からのウイルス付着機構同定のための機械学習【JST・京大機械翻訳】

Demidkin, S.; Shwarts, M.; Chakravarty, A.; Joseph-McCarthy, D.

プレプリント

J-GLOBAL ID：202202214475595976 整理番号：22P0313393

呼吸器ウイルス配列からのウイルス付着機構同定のための機械学習【JST・京大機械翻訳】

Machine Learning for the Identification of Viral Attachment Machinery from Respiratory Virus Sequences

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月27日プレプリントサーバーでの情報更新日： 2022年01月27日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

緊急ウイルス呼吸パンデミックのアウトセットにおいて,配列データは利用可能な最初の分子情報である。ウイルス付着機構が治療および予防介入の重要な標的であるので,配列からのウイルス「スパイク」蛋白質の迅速同定は,医療対策の開発を有意に加速する。呼吸器ウイルスの5つのファミリーに対して,空中および液滴伝達疾患の大部分をカバーして,宿主細胞侵入は,宿主細胞受容体と相互作用するウイルス表面糖蛋白質の結合によって媒介される。この報告において,5つのファミリーのうちの1つに属する未知のウイルスに対する配列データは,ウイルス付着に関与する蛋白質を同定し,ウイルスファミリーの帰属を可能にするための十分な情報を提供することを示した。呼吸ウイルス配列の組を入力するランダム森林モデルは,予測二次構造要素単独(正しく分類された97.8%)またはN-グリコシル化関連特徴(正しく分類された98.1%)との組み合わせで,蛋白質を「スパイク」と非スパイクとして分類できる。さらに,同じデータセットと二次構造要素のみを用いて開発したランダムフォレストモデルは,各蛋白質配列の呼吸ウイルスファミリーを,時間の89.0%を正しく予測することができた。モデルを,ブートストラップと同様に10倍交差検証を通して検証した。驚くべきことに,二次構造要素とN-グリコシル化特性がモデル生成に十分であることを示した。配列データから直接ウイルス付着機構を迅速に同定する能力は,将来のパンデミックのための医療対策の設計を加速する可能性がある。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

ウイルス感染の生理と病原性

, , ,

前のページに戻る