Predicting hosts based on early SARS-CoV-2 samples and analyzing the 2020 pandemic.
Predicting hosts based on early SARS-CoV-2 samples and analyzing the 2020 pandemic.
复制标题
DOI：
10.1038/s41598-021-96903-6
复制
发表时间：
2021-08-31
影响因子：
4.6
通讯作者：
Zhu H
中科院分区：
文献类型：
--
作者：
Guo Q;Li M;Wang C;Guo J;Jiang X;Tan J;Wu S;Wang P;Xiao T;Zhou M;Fang Z;Xiao Y;Zhu H
SARS-CoV-2大流行从爆发的早期阶段就引起了对病毒宿主识别的关注。为了解决这个问题，我们提出了一种基于自动提取病毒基因组特征的深度学习方法DeepHoF，用于预测新型病毒在植物、微生物、无脊椎动物、非人类脊椎动物和人类五种宿主类型上的宿主可能性得分。DeepHoF弥补了精确工具的不足，在五级分类中达到了令人满意的0.975的AUC，并且可以对没有近亲的新病毒进行可靠的预测。此外，为了填补使用现有工具有效推断SARS-CoV-2宿主物种的差距，我们对DeepHoF计算的宿主可能性曲线进行了深入分析。利用在COVID-19大流行最早阶段测序的分离株，我们推断水貂、蝙蝠、狗和猫是SARS-CoV-2的潜在宿主，而水貂可能是最值得注意的宿主之一。SARS-CoV-2的几个基因在决定宿主范围方面具有重要意义。此外，基于DeepHoF对2020年后期大流行的计算，一项大规模基因组分析揭示了SARS-CoV-2样本中宿主范围的一致性，以及SARS-CoV-2在人类和水貂之间的强关联。
The SARS-CoV-2 pandemic has raised concerns in the identification of the hosts of the virus since the early stages of the outbreak. To address this problem, we proposed a deep learning method, DeepHoF, based on extracting viral genomic features automatically, to predict the host likelihood scores on five host types, including plant, germ, invertebrate, non-human vertebrate and human, for novel viruses. DeepHoF made up for the lack of an accurate tool, reaching a satisfactory AUC of 0.975 in the five-classification, and could make a reliable prediction for the novel viruses without close neighbors in phylogeny. Additionally, to fill the gap in the efficient inference of host species for SARS-CoV-2 using existing tools, we conducted a deep analysis on the host likelihood profile calculated by DeepHoF. Using the isolates sequenced in the earliest stage of the COVID-19 pandemic, we inferred that minks, bats, dogs and cats were potential hosts of SARS-CoV-2, while minks might be one of the most noteworthy hosts. Several genes of SARS-CoV-2 demonstrated their significance in determining the host range. Furthermore, a large-scale genome analysis, based on DeepHoF’s computation for the later pandemic in 2020, disclosed the uniformity of host range among SARS-CoV-2 samples and the strong association of SARS-CoV-2 between humans and minks.
登录
查看更多内容
SARS-COV-2在人类和貂皮之间的貂皮农场上传播，然后回到人类。
DOI：
10.1126/science.abe5901
发表时间：
2021-01-08
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Oude Munnink BB;Sikkema RS;Nieuwenhuijse DF;Molenaar RJ;Munger E;Molenkamp R;van der Spek A;Tolsma P;Rietveld A;Brouwer M;Bouwmeester-Vincken N;Harders F;Hakze-van der Honing R;Wegdam-Blans MCA;Bouwstra RJ;GeurtsvanKessel C;van der Eijk AA;Velkers FC;Smit LAM;Stegeman A;van der Poel WHM;Koopmans MPG
通讯作者：
Koopmans MPG
影响因子：
14.9
作者：
Letunic, Ivica;Bork, Peer
通讯作者：
Bork, Peer
VirFinder：一种基于K-MER的新型工具，用于识别组装的元基因组数据中的病毒序列。
影响因子：
15.5
作者：
Ren J;Ahlgren NA;Lu YY;Fuhrman JA;Sun F
通讯作者：
Sun F
DOI：
10.1073/pnas.2010146117
发表时间：
2020-09-08
影响因子：
11.1
作者：
Damas, Joana;Hughes, Graham M;Lewin, Harris A
通讯作者：
Lewin, Harris A
影响因子：
64.8
作者：
Lam, Tommy Tsan-Yuk;Jia, Na;Cao, Wu-Chun
通讯作者：
Cao, Wu-Chun