生物学的に解釈可能なゲノム表現に基づく深い学習は、SARS-COV-2バリアントの2種類のヒト適応を予測します

爆発的に出現するSARS-COV-2バリアントは、遺伝的多様性と生物学的意義に基づいて現在の命名法スキームに挑戦します。ゲノム組成ベースの機械学習方法は、最近、表現型ジェノタイプの関係を特定する上でうまく機能しました。RNAウイルスの一般的なヒト適応を解析するために、ジヌクレオチド（DNT）組成表現（DCR）を含むフレームワークを導入し、3次元畳み込みニューラルネットワーク（3D CNN）分析を適用して、他の既存のコロナウイルス（COV）のヒト適応を学習しました。懸念のSARS-COV-2バリアント（VOC）の適応を予測します。著しく分離可能な線形DCR分布は、1本鎖（SSRNA）ウイルスの6つのファミリーの2つの主要な遺伝子受容体結合糖タンパク質とRNA依存性RNAポリメラーゼ（RDRP）で観察されました。さらに、スパイクタンパク質とCOVのRDRPの両方の一般的な宿主特異的分布がありました。Spike DCRに基づく3D CNNは、ほとんどのベータ、デルタ、およびオミクロンのVOCの支配的なタイプII適応を予測しました。SARS-COV-2アルファVOC（77％）および関心のあるカッパバリアント（58％）については、反対の透過性と病原性を伴うタイプI適応が予測されました。特定された適応決定因子には、D1118HおよびA570D変異と局所DNTが含まれていました。したがって、DCR機能に基づく3D CNNモデルは、主要なタイプIIの人間の適応であるSARS-COV-2を予測し、リアルタイムでバリアント適応を予測する資格があり、新たなSARS-COV-2バリアントと共同体のリスク評価を促進する資格があります。19コントロール。

Explosively emerging SARS-CoV-2 variants challenge current nomenclature schemes based on genetic diversity and biological significance. Genomic composition-based machine learning methods have recently performed well in identifying phenotype-genotype relationships. We introduced a framework involving dinucleotide (DNT) composition representation (DCR) to parse the general human adaptation of RNA viruses and applied a three-dimensional convolutional neural network (3D CNN) analysis to learn the human adaptation of other existing coronaviruses (CoVs) and predict the adaptation of SARS-CoV-2 variants of concern (VOCs). A markedly separable, linear DCR distribution was observed in two major genes-receptor-binding glycoprotein and RNA-dependent RNA polymerase (RdRp)-of six families of single-stranded (ssRNA) viruses. Additionally, there was a general host-specific distribution of both the spike proteins and RdRps of CoVs. The 3D CNN based on spike DCR predicted a dominant type II adaptation of most Beta, Delta and Omicron VOCs, with high transmissibility and low pathogenicity. Type I adaptation with opposite transmissibility and pathogenicity was predicted for SARS-CoV-2 Alpha VOCs (77%) and Kappa variants of interest (58%). The identified adaptive determinants included D1118H and A570D mutations and local DNTs. Thus, the 3D CNN model based on DCR features predicts SARS-CoV-2, a major type II human adaptation and is qualified to predict variant adaptation in real time, facilitating the risk-assessment of emerging SARS-CoV-2 variants and COVID-19 control.