SARS-CoV-2变异株的持久拓扑拉普拉斯分析
定量方法
2023-04-07 v2
摘要
拓扑数据分析（TDA）是数学与数据科学中一个新兴的领域。其核心方法持久同调在许多科学与工程学科中取得了巨大成功。然而，持久同调存在局限性，包括无法描述滤波过程中数据的同伦形状演化。为克服持久同调的缺陷，提出了持久拓扑拉普拉斯（PTL），如持久拉普拉斯与持久层拉普拉斯。本工作中，我们考察了PTL在严重急性呼吸综合征冠状病毒2（SARS-CoV-2）刺突受体结合域（RBD）及其变异株（即Alpha、Beta、Gamma、BA.1与BA.2）蛋白质结构研究中的建模与分析能力。首先，我们利用PTL研究RBD突变引起的RBD-血管紧张素转换酶2（ACE2）结合复合物结构变化如何体现在各SARS-CoV-2变异株间PTL谱的变化中。此外，我们使用PTL分析RBD与ACE2结合引起的各种SARS-CoV-2变异株的结构变化。最后，我们探究了计算生成的RBD结构对基于PTL的机器学习（包括深度学习）以及对SARS-CoV-2 Omicron BA.2变异株深度突变扫描数据集预测的影响。我们的结果表明，PTL在分析蛋白质结构变化方面优于持久同调，并为数据科学提供了一种强大的新型TDA工具。
引用
@article{arxiv.2301.10865,
title = {Persistent topological Laplacian analysis of SARS-CoV-2 variants},
author = {Xiaoqi Wei and Jiahui Chen and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2301.10865},
year = {2023}
}