Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Imagem-baseado profundamente aprendendo o estudo haplotype-guiado traça a adaptação global de SARS-CoV-2

Até agora, o coronavirus 2 da Síndrome Respiratória Aguda Grave (SARS-CoV-2), o micróbio patogénico causal da doença 2019 do coronavirus (COVID-19), causou mais de 93,21 milhão infecções no mundo inteiro. Enquanto espalha através das populações diferentes, submete-se às adaptações que afectam às vezes seu transmissibility e outras características biológicas.

Estudo: Usando alinhamentos imagem-baseados do haplotype para traçar a adaptação global de SARS-CoV-2. Crédito de imagem: Matemática Campbell/Shutterstock

Uma pré-impressão interessante no server do bioRxiv* descreve o uso profundamente da aprendizagem com tecnologia do reconhecimento da imagem seguir a emergência das variações com aptidão viral aumentada. Uma aptidão mais alta conduz à expansão rápida destas linhagens nas áreas onde são introduzidos. Este tipo de estudo podia facilitar a revelação de uns anticorpos e de umas vacinas mais eficazes para ajudar a conter a pandemia.

Significado de estudos da adaptação

Uma etapa importante em compreender toda a pandemia causada por um micróbio patogénico novo é identificar as mudanças que ocorrem no genoma do organismo ao longo do tempo, e como estas evoluções reflectem mudanças em seu comportamento. Isto ajuda a seleccionar alvos para a intervenção. O ritmo intenso da pesquisa sobre a pandemia COVID-19 em curso conduziu à agregação dos milhares de seqüências virais completas do RNA, das populações múltiplas e das regiões.

O estudo actual aponta explorar esta base de dados da informação genomic viral para identificar ao longo do tempo, do primeira, da ocorrência da mudança genomic no SARS-CoV-2 em conseqüência da pressão global da selecção, ou da selecção regional, com alterações. As pressões da selecção são agentes que actuam no vírus de fora, nessa influência sua aptidão da sobrevivência positivamente ou negativamente danificando ou aumentando traços particulares. O estudo das populações virais selecionadas durante um período de tempo podia ajudar a descobrir mudanças na virulência ou na imunogenicidade associada com tais processos adaptáveis genéticos.

Aproximações filogenéticas usando profundamente a aprendizagem

Os pesquisadores confiaram em métodos filogenéticas para fazer suas inferências, sem usar dados da recombinação. Sua aproximação é diferente de uns métodos mais convencionais que resumam dados da seqüência no formulário numérico ou gráfico, a fim identificar como as variações do nucleotide são distribuídas nas situações sem pressão da selecção. Em tais situações neutra em desenvolvimento, a recombinação livre é supor para ocorrer, com a população que permanece constante.

No estudo actual, os pesquisadores optaram para as técnicas filogenéticas que exigem eventos repetitivos numerosos em um intervalo de tempo específico a fim capturar eventos adicionais além dos limites de evolução neutra. Isto significa que são usados frequentemente somente com genomas que mostram uma taxa alta de mutação, ou têm fugas longas da mutação.

Os pesquisadores usaram a capacidade de métodos de aprendizagem profundos para capturar mudanças genéticas complexas nas ferramentas da previsão baseadas em simulações, de modo que não tivessem que soletrar para fora parâmetros claramente definidos. Já, profundamente aprender foi aplicada na genética de população obter previsões de vários parâmetros genéticos, tais como a taxa de recombinação e a selecção, assim como na análise de dados do germline. Podem usar parâmetros do imagem-reconhecimento para analisar a adaptação viral, assim usando a informação em alinhamentos do haplotype.  

análise Imagem-baseada do haplotype

O estudo é baseado em uma rede neural circunvolucional (CNN) combinada com uma aproximação periódica da rede (RNN) neural. O haplotype imagem-baseado chamado guiou a inferência evolucionária (ImHapE), esta plataforma permitiu que identificassem a selecção em uma maneira quantitativa em expandir populações virais, usando dados arranjando em seqüência genomic. Esta aproximação da quatro-etapa foi alterada para aumentar sua velocidade ao conservar sua capacidade para capturar diferenças na aptidão nas populações diferentes em que a selecção se está operando em forças diferentes. Simularam o crescimento exponencial na população, com a taxa de crescimento nas populações positivamente selecionadas que são mais altas enquanto a aptidão aumentou. A aptidão é definida como “uma redução na taxa de mortalidade tais que uma aptidão (1 + s) de 2 era equivalente a uma redução a 50% na taxa de mortalidade viral na população benéfica do vírus.”

Uma vez que seus CNN/RNN modelam tinham sido treinados e validado em sua população simulada, a aplicaram a dois grupos de dados globais reais no vírus. O primeiro era da iniciativa global em compartilhar toda a base de dados dos dados da gripe (GISAID), recolhida entre março e julho de 2020. O segundo era dados BRITÂNICOS da RODA DENTEADA, recolhidos entre abril e dezembro de 2020. As mutações nas duas bases de dados foram chamadas usando o genoma da referência de Wuhan e um genoma da referência de Inglaterra, respectivamente.

Controle geral e amostra da qualidade que filtram para GISAID e dados do Reino Unido da RODA DENTEADA. Para assegurar inferências exactas estavam sendo feitos em dados empíricos, nós ajustam um ponto inicial para a inclusão da amostra baseada na proporção de genoma mascarada. Para ajustar o ponto inicial para a proporção de genoma mascarada, nós ajustamos interrupções simples baseadas na distribuição de amostra inteira. Para dados BRITÂNICOS da RODA DENTEADA, a, nós aceitamos somente amostras com menos de 1,8% do genoma mascarado, e b, não encontrou um número excessivo de locais com máscara em uma varredura genoma-larga. Para dados de GISAID, c, nós aceitamos somente amostras com menos de 0,1% do genoma mascarado, e b, não encontrou um número excessivo de locais com máscara em uma varredura genoma-larga. e, nós comparamos contagens mutational em dados de GISAID (desde janeiro até agosto de 2020) e em dados BRITÂNICOS da RODA DENTEADA (desde março até dezembro de 2020). Em particular, nós asseguramo-nos de que as contagens da mutação que usam o genoma da referência LONGD51C5 conduzissem desde abril de 2020 a um número menor de mutações nas mutações da média então chamadas dados BRITÂNICOS da RODA DENTEADA de n usando a referência de Wuhan desde dezembro de 2019.
Controle geral e amostra da qualidade que filtram para GISAID e dados do Reino Unido da RODA DENTEADA. Para assegurar inferências exactas estavam sendo feitos em dados empíricos, nós ajustam um ponto inicial para a inclusão da amostra baseada na proporção de genoma mascarada. Para ajustar o ponto inicial para a proporção de genoma mascarada, nós ajustamos interrupções simples baseadas na distribuição de amostra inteira. Para dados BRITÂNICOS da RODA DENTEADA, a, nós aceitamos somente amostras com menos de 1,8% do genoma mascarado, e b, não encontrou um número excessivo de locais com máscara em uma varredura genoma-larga. Para dados de GISAID, c, nós aceitamos somente amostras com menos de 0,1% do genoma mascarado, e b, não encontrou um número excessivo de locais com máscara em uma varredura genoma-larga. e, nós comparamos contagens mutational em dados de GISAID (desde janeiro até agosto de 2020) e em dados BRITÂNICOS da RODA DENTEADA (desde março até dezembro de 2020). Em particular, nós asseguramo-nos de que as contagens da mutação que usam o genoma da referência LONGD51C5 conduzissem desde abril de 2020 a um número menor de mutações nas mutações da média então chamadas dados BRITÂNICOS da RODA DENTEADA de n usando a referência de Wuhan desde dezembro de 2019.

Ajustaram sua taxa da mutação para caber com as 23 mutações calculadas pelo genoma pelo ano a que o genoma SARS-CoV-2 é calculado para se submeter. Igualmente associaram amostras do vírus de acordo com pontos da região e do tempo.

Aptidão aumentada de variações novas

Encontraram que o vírus se submetia à selecção positiva em cada população, como mostrado por um valor sobre 1, mas sua aptidão era diferente em regiões diferentes. A selecção positiva foi observada mesmo depois a compensação do crescimento demográfico.

Em Europa e em America do Norte, a aptidão diminuída ao longo do tempo, no seguimento da fixação da variação de D614G, mas era mais alta em julho do que no início. A aptidão em março e julho era 1,05 contra 1,42 em Europa, e 1,27 contra 1,40 em America do Norte.

Usando os dados BRITÂNICOS da RODA DENTEADA, encontraram que a selecção positiva teve uma grande escala de variação cedo na manifestação. Contudo, a aptidão aumentou de 1,05 na semana 29 1,34 na semana 49. O começo da aptidão aumentada foi associado com a expansão simultânea da linhagem B1.177 na semana 29, com a variação nova B.1.1.7 que expande após a semana 46.

A linhagem do B. 1,177 é definida por uma mutação de A222V na proteína do ponto. Tornou-se difundida em Europa, mas é desconhecida se esta está relacionada a qualquer vantagem fenotípica, tal como o transmissibility aumentado. A variação nova, B.1.1.1.7, parece ser associada com a aptidão aumentada depois da semana 46, indicando que esta é mais apta do que as outras linhagens de circulação no Reino Unido presentemente.

O perfilamento BRITÂNICO continental e da RODA DENTEADA dos dados é um exemplo excelente de como as ferramentas simulação-baseadas de CNN/RNN podem seguir diferenças selectivas entre clone virais quase no tempo real.”

Que são as implicações?

Estes resultados mostram como esta ferramenta é útil nas seguintes populações virais que se submetem à pressão da selecção, e assim fazendo inferências sobre as diferenças selecção-conduzidas na virulência e na infectividade. Esta ferramenta versátil está pronta para ser refinado mais e tornado para estudar a adaptação nos genomas.

Nossa estrutura geral pode ser adaptada e aplicado a toda a população não-recombining onde a informação alinhada do haplotype está disponível como tecidos ou cancros somáticos.”

Observação *Important

o bioRxiv publica os relatórios científicos preliminares que par-não são revistos e, não devem conseqüentemente ser considerados como conclusivos, guia a prática clínica/comportamento saúde-relacionado, ou tratado como a informação estabelecida.

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). Imagem-baseado profundamente aprendendo o estudo haplotype-guiado traça a adaptação global de SARS-CoV-2. News-Medical. Retrieved on April 23, 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. "Imagem-baseado profundamente aprendendo o estudo haplotype-guiado traça a adaptação global de SARS-CoV-2". News-Medical. 23 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. "Imagem-baseado profundamente aprendendo o estudo haplotype-guiado traça a adaptação global 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 23, 2021).

  • Harvard

    Thomas, Liji. 2021. Imagem-baseado profundamente aprendendo o estudo haplotype-guiado traça a adaptação global de SARS-CoV-2. News-Medical, viewed 23 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.