利用注意力机制解释乙型冠状病毒序列的人畜共患潜力
定量方法
2021-08-19 v1 机器学习
摘要
当前的病毒发现方法以演化上保守的蛋白为靶标，能准确识别病毒科，但仍无法区分新发现病毒的人畜共患潜力。在此，我们将一种注意力增强的长短期记忆（LSTM）深度神经网络分类器应用于高度保守的病毒蛋白靶标，以预测乙型冠状病毒中的人畜共患潜力。该分类器达到了 94% 的准确率。在序列与结构层次特征上对注意力进行分析与可视化，表明在人畜共患乙型冠状病毒中调控病毒复制的重要蛋白-蛋白相互作用与人畜传播之间可能存在关联。
引用
@article{arxiv.2108.08077,
title = {Towards Interpreting Zoonotic Potential of Betacoronavirus Sequences With Attention},
author = {Kahini Wadhawan and Payel Das and Barbara A. Han and Ilya R. Fischhoff and Adrian C. Castellanos and Arvind Varsani and Kush R. Varshney},
journal= {arXiv preprint arXiv:2108.08077},
year = {2021}
}
备注
11 pages, 8 figures, 1 table, accepted at ICLR 2021 workshop Machine learning for preventing and combating pandemics