大规模流感染突变数据集的k-means聚类降维
种群与进化
2025-04-07 v1 基因组学
摘要
病毒突变对公共卫生构成重大威胁，因其可能增加传染性、增强疫苗抗性并改变疾病严重程度。为跟踪这些正在变化的模式，CDC等机构每年评估数千种病毒株，凸显了深入理解病毒突变与演化迫切需求。本研究将基因组分析、聚类与三种主流降维方法（即主成分分析（PCA）、t分布随机邻域嵌入（t-SNE）和统一流形近似和投影（UMAP））相结合，探讨新冠疫情对流感病毒传播的影响。通过将这些方法应用于广泛的疫前和疫后流感数据集，我们揭示了疫情期间选择性压力如何影响流感遗传多样性。我们的发现表明，结合稳健的降维方法与聚类可为病毒突变的复杂动力学提供关键见解，为未来研究方向和公共卫生干预策略提供指导。
引用
@article{arxiv.2504.03550,
title = {Dimensionality reduction for k-means clustering of large-scale influenza mutation datasets},
author = {Emilee Walden and Jiahui Chen and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2504.03550},
year = {2025}
}