Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

l'étude haplotype-guidée apprenante profonde basée sur image trace l'adaptation globale de SARS-CoV-2

Jusqu'à présent, le coronavirus 2 (SARS-CoV-2), l'agent pathogène causal de syndrôme respiratoire aigu sévère de la maladie 2019 (COVID-19) de coronavirus, a entraîné plus de 93,21 millions d'infections mondiales. Pendant qu'il écarte par différentes populations, il subit les adaptations qui affectent parfois son transmissibility et d'autres caractéristiques biologiques.

Un prétirage intéressant sur le serveur de bioRxiv* décrit l'utilisation d'apprendre profondément avec la technologie de reconnaissance d'image à tracer l'émergence des variantes avec la forme physique virale accrue. Une forme physique plus élevée mène à l'extension rapide de ces lignées dans les endroits où elles sont introduites. Ce type d'étude a pu faciliter le développement des anticorps plus efficaces et des vaccins pour aider à contenir la pandémie.

Signification des études d'adaptation

Une étape importante en comprenant la pandémie provoquée par un agent pathogène nouvel est de recenser les modifications qui se produisent dans le génome de l'organisme au fil du temps, et comment ces évolutions réfléchissent des changements de son comportement. Ceci aide à sélectionner des objectifs pour l'intervention. Le rythme fort de la recherche sur la pandémie COVID-19 actuelle a mené à la totalisation des milliers de séquences complètes d'ARN viral, à partir des populations multiples et des régions.

L'étude actuelle vise à exploiter cette base de données d'information génomique virale pour recenser, de première, de cas de changement génomique du SARS-CoV-2 en raison de la pression globale de choix, ou de choix régional, avec l'altération au fil du temps. Les pressions de choix sont des agents agissant sur le virus de l'extérieur, cet affect sa forme physique de survie franchement ou négativement en nuisant ou en améliorant des traits particuliers. L'étude des populations virales sélectées sur une période de temps a pu aider à découvrir des changements de la virulence ou de l'immunogénicité liée à de tels procédés adaptatifs génétiques.

Approches phylogénétiques utilisant apprendre profondément

Les chercheurs ont compté sur des méthodes phylogénétiques pour effectuer leurs inférences, sans employer des caractéristiques de recombinaison. Leur approche est différente des méthodes plus conventionnelles qui récapitulent des caractéristiques de séquence dans la forme numérique ou graphique, afin de recenser comment des variantes de nucléotide sont distribuées dans les situations sans pression de choix. Dans de telles situations neutre en évolution, on assume que la recombinaison libre se produit, avec la population restant continuelle.

Dans l'étude actuelle, les chercheurs ont opté pour les techniques phylogénétiques qui exigent de nombreux événements répétitifs dans un intervalle heure précise afin de capter des événements excédentaires au delà des limites de l'évolution neutre. Ceci signifie qu'ils sont employés souvent seulement avec les génomes qui montrent un haut débit de mutation, ou ont de longs journaux de mutation.

Les chercheurs ont employé la capacité des méthodes apprenantes profondes de capter les altérations génétiques complexes dans des outils de prévision basés sur des simulations, de sorte qu'ils ne doivent pas définir des paramètres bien définis. Déjà, apprendre profondément a été appliqué dans la génétique de population à obtenir des prévisions des paramètres génétiques variés, tels que le régime de recombinaison et le choix, ainsi que l'analyse de caractéristiques de lignée germinale. Elles peuvent employer des paramètres d'image-reconnaissance pour analyser l'adaptation virale, ainsi utilisant l'information en cadrages de haplotype.  

analyse basée sur image de haplotype

L'étude est basée sur un réseau neuronal circonvolutionnaire (CNN) combiné avec une approche récurrente (RNN) de réseau neuronal. L'inférence évolutionnaire guidée par haplotype basée sur image appelée (ImHapE), cette plate-forme leur a permise de recenser le choix d'une façon quantitative en augmentant les populations virales, utilisant des caractéristiques de ordonnancement génomiques. Cette approche à quatre phases a été modifiée pour augmenter sa vitesse tout en économisant sa capacité de capter des différences dans la forme physique dans différentes populations dans lesquelles le choix fonctionne à différentes forces. Ils ont simulé l'accroissement exponentiel de la population, avec le taux de croissance dans les populations franchement sélectées étant plus élevées à mesure que la forme physique augmentait. La forme physique est définie comme « diminution dans le taux de décès tels qu'une forme physique (1 + s) de 2 était équivalente à une réduction de 50% du taux de mortalité viral dans la population avantageuse de virus. »

Une fois que leurs CNN/RNN modélisent avaient été formés et validé sur leur population simulée, ils l'appliquaient à deux ensembles de caractéristiques globales réelles sur le virus. Le premier était de l'initiative globale sur partager toute la base de données des caractéristiques de grippe (GISAID), recueillie entre mars et juillet 2020. Le deuxième était des caractéristiques BRITANNIQUES de DENT, rassemblées entre avril et décembre 2020. Les mutations dans les deux bases de données étaient appelées utilisant le génome de référence de Wuhan et un génome de référence de l'Angleterre, respectivement.

Contrôle qualité général et échantillon filtrant pour GISAID et caractéristiques du R-U de DENT. Pour assurer des inférences précises étaient effectués dans des caractéristiques empiriques, nous règlent un seuil pour l
Contrôle qualité général et échantillon filtrant pour GISAID et caractéristiques du R-U de DENT. Pour assurer des inférences précises étaient effectués dans des caractéristiques empiriques, nous règlent un seuil pour l'inclusion témoin basée sur la proportion du génome masquée. Pour régler le seuil pour la proportion du génome masquée, nous avons réglé des coupures simples basées sur la distribution d'échantillon entière. Pour des caractéristiques BRITANNIQUES de DENT, a, nous avons seulement reçu des échantillons à moins de 1,8% du génome masqué, et b, n'a pas trouvé un numéro excessif des sites avec le masquage dans une échographie de la taille du génome. Pour des caractéristiques de GISAID, c, nous avons seulement reçu des échantillons à moins de 0,1% du génome masqué, et b, n'a pas trouvé un numéro excessif des sites avec le masquage dans une échographie de la taille du génome. e, nous comptes mutationnels comparés dans des caractéristiques de GISAID (de janvier à août 2020) et des caractéristiques BRITANNIQUES de DENT (de mars à décembre 2020). En particulier, nous nous sommes assurés que les comptes de mutation utilisant le LONGD51C5 mettent en référence le génome à partir d'avril 2020 ont eu comme conséquence un plus petit numéro des caractéristiques BRITANNIQUES n de mutations en moyenne puis de DENT appelée des mutations utilisant la référence de Wuhan à partir de décembre 2019.

Elles ont réglé leur taux de mutation pour équiper des 23 mutations prévues selon le génome par an qu'on estime que le génome SARS-CoV-2 subit. Elles ont également mis des échantillons en commun de virus selon des remarques de région et de temps.

Plus grande forme physique des variantes neuves

Ils ont constaté que le virus subissait le choix positif dans chaque population, comme montré par une valeur plus de 1, mais sa forme physique était différente dans différentes régions. On a observé le choix positif même après la croissance démographique de compensation.

En Europe et Amérique du Nord, la forme physique diminuée au fil du temps, à la suite de la fixation de la variante de D614G, mais était plus élevée en juillet qu'au début. La forme physique en mars et juillet étaient 1,05 contre 1,42 en Europe, et 1,27 contre 1,40 en Amérique du Nord.

Utilisant les caractéristiques BRITANNIQUES de DENT, ils ont constaté que le choix positif a eu une gamme étendue de variation tôt dans la manifestation. Cependant, la forme physique a augmenté de 1,05 à la semaine 29 1,34 à la semaine 49. Le début de la forme physique accrue a été associé à l'extension simultanée de la lignée B1.177 à la semaine 29, avec la variante neuve B.1.1.7 augmentant après la semaine 46.

La lignée de B. 1,177 est définie par une mutation d'A222V dans la protéine de pointe. Elle est devenue répandue en Europe, mais elle est inconnue si ceci soit lié à n'importe quel avantage phénotypique, tel que le transmissibility accru. La variante neuve, B.1.1.1.7, semble être associée à la forme physique accrue après la semaine 46, indiquant que c'est plus en bonne santé que les autres lignées de diffusion au R-U actuellement.

Le profilage BRITANNIQUE continental et de DENT de caractéristiques est un excellent exemple de la façon dont les outils basés sur simulation de CNN/RNN peuvent suivre des différences sélectrices parmi les clones viraux presque en temps réel. »

Quelles sont les implications ?

Ces découvertes montrent comment cet outil est utile dans les populations virales suivantes subissant la pression de choix, et de ce fait effectuant des inférences au sujet des différences motivées par le choix dans la virulence et le pouvoir infectant. Cet outil polyvalent est prêt à être raffiné et développé davantage pour étudier l'adaptation en génomes.

Notre cadre général peut être adapté et appliqué à n'importe quelle population de non-recombinaison où l'information alignée de haplotype est procurable comme les tissus somatiques ou les cancers. »

Avis *Important

le bioRxiv publie les états scientifiques préliminaires qui pair-ne sont pas observés et ne devraient pas, en conséquence, être considérés comme concluants, guident la pratique clinique/comportement relatif à la santé, ou traité en tant qu'information déterminée.

Journal reference:

Ouelette, T. W. et al. (2021). Using image-based haplotype alignments to map global adaptation of SARS-CoV-2. bioRxiv preprint. doi: https://doi.org/10.1101/2021.01.13.426571. https://www.biorxiv.org/content/10.1101/2021.01.13.426571v1

Dr. Liji Thomas

Written by

Dr. Liji Thomas

Dr. Liji Thomas is an OB-GYN, who graduated from the Government Medical College, University of Calicut, Kerala, in 2001. Liji practiced as a full-time consultant in obstetrics/gynecology in a private hospital for a few years following her graduation. She has counseled hundreds of patients facing issues from pregnancy-related problems and infertility, and has been in charge of over 2,000 deliveries, striving always to achieve a normal delivery rather than operative.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Thomas, Liji. (2021, January 15). l'étude haplotype-guidée apprenante profonde basée sur image trace l'adaptation globale de SARS-CoV-2. News-Medical. Retrieved on April 18, 2021 from https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx.

  • MLA

    Thomas, Liji. "l'étude haplotype-guidée apprenante profonde basée sur image trace l'adaptation globale de SARS-CoV-2". News-Medical. 18 April 2021. <https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx>.

  • Chicago

    Thomas, Liji. "l'étude haplotype-guidée apprenante profonde basée sur image trace l'adaptation globale de SARS-CoV-2". News-Medical. https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx. (accessed April 18, 2021).

  • Harvard

    Thomas, Liji. 2021. l'étude haplotype-guidée apprenante profonde basée sur image trace l'adaptation globale de SARS-CoV-2. News-Medical, viewed 18 April 2021, https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx.