基于血凝素序列的流感病毒宿主预测的机器学习算法探究
机器学习
2024-05-24 v4
摘要
流感病毒突变迅速，可能对公共卫生构成威胁，尤其对弱势群体的威胁更大。历史上，甲型流感病毒曾在不同物种间引起大流行。识别病毒起源对于防止疫情扩散至关重要。近年来，利用机器学习算法为病毒序列提供快速准确预测的兴趣日益增长。本研究使用真实测试数据集和多种评估指标，在不同分类层级上评估机器学习算法。由于血凝素是免疫反应中的主要蛋白，仅使用血凝素序列，并以位置特异性评分矩阵与词嵌入表示。结果表明，5-grams-transformer 神经网络是预测病毒序列起源最有效的算法，在较高分类层级上 AUCPR 约 99.54%、F1 分数约 98.01%、MCC 约 96.60%，在较低分类层级上 AUCPR 约 94.74%、F1 分数约 87.41%、MCC 约 80.79%。
引用
@article{arxiv.2207.13842,
title = {Dive into Machine Learning Algorithms for Influenza Virus Host Prediction with Hemagglutinin Sequences},
author = {Yanhua Xu and Dominik Wojtczak},
journal= {arXiv preprint arXiv:2207.13842},
year = {2024}
}
备注
Published at BioSystems; V1: minor typo correction; V2 - V3: minor typo correction and more clarification in "Cross-validation" and "ER-PSSM" section