猴塞雷

科学观察员
科学赐予人类相信真理的力量

研究人员使用人工智能破解COVID-19基因签名,确定其来源

研究人员使用人工智能破解COVID-19基因签名,确定其来源

利用机器学习,一个由西方计算机科学家和生物学家组成的团队已经识别出了29种不同的COVID-19 DNA序列的潜在基因组特征。

这个新的数据发现工具将使研究人员能够在几分钟内迅速而简单地对致命病毒进行分类,如COVID-19。在大流行期间对战略规划和动员医疗需求具有高度重要性的过程和速度。

这项研究也支持了covid19 (SARS-CoV-2)起源于蝙蝠萨贝病毒的科学假设,萨贝病毒是一种半冠状病毒亚群。

这一发现发表在最近的《公共科学图书馆·综合》杂志上,该杂志称机器学习使用固有的基因组特征来快速分类新的病原体:covid19案例研究。

超高速,可扩展,高精度;分类系统使用一种新的基于图形的、专门的软件和决策树方法来说明分类,并从所有可能的结果中得出最佳选择。整个方法使用一种新的基于图形的、专门的软件来说明所有经过测试的可能结果中的最佳选择。

研究人员使用人工智能破解COVID-19基因签名,确定其来源

生物学教授凯瑟琳·希尔与计算机科学、统计和精算科学的西方合作者,以及滑铁卢大学计算机科学系的其他人共同领导了这项研究。

机器学习方法实现了COVID-19序列的100%精确分类,更重要的是,在几分钟内再次发现了5000多个病毒基因组之间最相关的关系。

我们所需要的只是COVID-19的DNA序列,以发现它自己固有的序列模式。我们使用签名模式和一种逻辑方法来尽可能接近地将该模式与其他病毒进行匹配,并在几分钟内实现了良好的分类。不是几天,不是几小时,而是几分钟;希尔说。

这个分类工具已经被用于分析5000多个独特的病毒基因组序列,包括1月27日可用的29个COVID-19序列。

希尔认为,该工具能够对任何新发现的covid19或其他病毒序列进行分类,它将成为疫苗和药物开发人员、一线卫生保健工作者、研究人员和科学家在本次全球大流行期间和以后的工具包中的一个重要组成部分。

参考文献:利用内在基因组特征的机器学习快速分类新病原体:COVID-19案例研究;Gurjit S. Randhawa, Maximillian P. M. Soltysiak, Hadi El Roz, Camila P. E. de Souza, Kathleen A. Hill和Lila Kari, 2020年4月24日,PLOS ONE。

DOI: 10.1371 / journal.pone.0232391

猴塞雷 版权所有,未经允许不得转载:猴塞雷 » 研究人员使用人工智能破解COVID-19基因签名,确定其来源
分享到: 更多 (0)

猜你也想读下面的文章: