DeepVISP: Deep Learning for Virus Site Integration Prediction and Motif Discovery.
DeepVISP: Deep Learning for Virus Site Integration Prediction and Motif Discovery.
复制标题
DOI：
10.1002/advs.202004958
复制
发表时间：
2021-05
期刊：
影响因子：
--
通讯作者：
Zhao Z
中科院分区：
文献类型：
--
作者：
Xu H;Jia P;Zhao Z
据估计，大约15%的人类癌症归因于病毒。病毒序列可以整合到宿主基因组中，导致基因组不稳定和致癌。在这里，开发了一种新的深度卷积神经网络（CNN）模型，具有注意力架构，即DeepVISP，用于准确预测人类基因组中的致癌病毒整合位点（VIS）。使用三种病毒的策划基准整合数据，B肝炎病毒（HBV），人类疱疹病毒（HPV）和巴尔病毒（EBV），DeepVISP通过仅从DNA序列自动学习信息特征和基本基因组位置，实现了所有三种病毒的高准确性和强大性能。相比之下，DeepVISP在三种病毒的曲线下面积（AUC）值增强方面优于传统机器学习方法8.43-34.33%。此外，DeepVISP可以解码可能参与病毒整合和肿瘤发生的顺式调节因子，如HOXB 7，IKZF 1和LHX 6。这些发现得到了文献中多条证据的支持。信息基序的聚类分析表明，簇中的代表性k‐ mer可以帮助指导病毒识别宿主基因。开发了一个用户友好的Web服务器，用于使用DeepVISP预测人类基因组中推定的致癌VIS。据估计，大约15%的人类癌症是由病毒引起的。这项研究提出了一种新的具有注意力架构的深度学习模型，即DeepVISP，用于准确预测人类基因组中的致癌病毒整合位点（VIS）。此外，DeepVISP解码了几种可能参与病毒整合和肿瘤发生的顺式调节因子。
Approximately 15% of human cancers are estimated to be attributed to viruses. Virus sequences can be integrated into the host genome, leading to genomic instability and carcinogenesis. Here, a new deep convolutional neural network (CNN) model is developed with attention architecture, namely DeepVISP, for accurately predicting oncogenic virus integration sites (VISs) in the human genome. Using the curated benchmark integration data of three viruses, hepatitis B virus (HBV), human herpesvirus (HPV), and Epstein‐Barr virus (EBV), DeepVISP achieves high accuracy and robust performance for all three viruses through automatically learning informative features and essential genomic positions only from the DNA sequences. In comparison, DeepVISP outperforms conventional machine learning methods by 8.43–34.33% measured by area under curve (AUC) value enhancement in three viruses. Moreover, DeepVISP can decode cis‐regulatory factors that are potentially involved in virus integration and tumorigenesis, such as HOXB7, IKZF1, and LHX6. These findings are supported by multiple lines of evidence in literature. The clustering analysis of the informative motifs reveales that the representative k‐mers in clusters could help guide virus recognition of the host genes. A user‐friendly web server is developed for predicting putative oncogenic VISs in the human genome using DeepVISP. Approximately 15% of human cancers are estimated to be attributed to viruses. This study presents a new deep learning model with attention architecture, namely DeepVISP, for accurately predicting oncogenic virus integration sites (VISs) in the human genome. Moreover, DeepVISP decodes several cis‐regulatory factors that are potentially involved in virus integration and tumorigenesis.
登录
查看更多内容
DOI：
10.1016/j.gpb.2017.07.003
发表时间：
2018-03
期刊：
Genomics, proteomics & bioinformatics
影响因子：
--
作者：
Cao C;Liu F;Tan H;Song D;Shu W;Li W;Zhou Y;Bo X;Xie Z
通讯作者：
Xie Z
DOI：
10.1093/bioinformatics/bts565
发表时间：
2012-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Fu L;Niu B;Zhu Z;Wu S;Li W
通讯作者：
Li W
影响因子：
14.9
作者：
Bailey TL;Johnson J;Grant CE;Noble WS
通讯作者：
Noble WS
影响因子：
5.2
作者：
Chen Y;Williams V;Filippova M;Filippov V;Duerksen-Hughes P
通讯作者：
Duerksen-Hughes P
影响因子：
4.5
作者：
Ding D;Lou X;Hua D;Yu W;Li L;Wang J;Gao F;Zhao N;Ren G;Li L;Lin B
通讯作者：
Lin B