BiLSTM-VHP：基于双向长短期记忆网络的病毒宿主预测
机器学习
2025-09-16 v1
摘要
历史记录表明人类与动物的共存已持续很长时间，推测这更早就发生了。尽管许多动物携带可传播给人类的病毒性疾病，但其中许多疾病已对人类社会造成严重 disruption。Recent outbreaks of SARS-CoV-2、Monkeypox 和流感病毒显示，这些病毒如何扰乱人类生活并致命。快速准确地预测病毒从何种宿主传播，有助于预防这些疾病的扩散。本工作提出了 BiLSTM-VHP，一种基于双向长短期记忆（LSTM）的轻量级网络，可高准确率预测正命名病毒、�犬病病毒和流感A病毒的宿主。该模型处理长度为400个碱基的核苷酸序列，在正命名病毒、流感A病毒和�犬病病毒上的预测准确率分别为89.62%、96.58%和77.22%，优于先前研究。此外，我们还使用混淆矩阵、F-1分数、精确率、召回率和微平均AUC 评估了模型性能。此外，我们引入了三个精选数据集，包含正命名病毒、流感A病毒和�犬病病毒的序列，分别为8,575个、95,197个和22,052个核苷酸序列，分为9、12和29个宿主类别。代码和数据集已提供。
引用
@article{arxiv.2509.11345,
title = {BiLSTM-VHP: BiLSTM-Powered Network for Viral Host Prediction},
author = {Azher Ahmed Efat and Farzana Islam and Annajiat Alim Rasel and Munima Haque},
journal= {arXiv preprint arXiv:2509.11345},
year = {2025}
}