Predicting sub-population specific viral evolution

要約

ウイルス変異体の分布の変化を予測することは、治療的設計と疾患の監視に不可欠です。
このタスクは、亜​​集団（国）とそれらの動的相互作用間のウイルス分布の激しい違いにより、重要なモデリングの課題をもたらします。
バリアント分布全体をモデル化する既存の機械学習アプローチは、場所固有の予測を行うことができず、ウイルス景観を形作る送信を無視します。
この論文では、異なる場所でのウイルスタンパク質の時間分解分布を予測するサブポピュレーション固有のタンパク質進化モデルを提案します。
アルゴリズムは、サブポピュレーション間の伝送速度を明示的にモデル化し、データからの相互依存性を学習します。
すべてのサブポピュレーションにわたるタンパク質分布の変化は、透過速度によってパラメーター化された線形の通常の微分方程式（ODE）によって定義されます。
このODEを解くと、特定のサブポピュレーションで特定のタンパク質が発生する可能性が得られます。
SARS-COV-2とインフルエンザA/H3N2の両方での複数年の評価は、私たちのモデルが大陸および国々のウイルスタンパク質の分布を正確に予測する際にベースラインを上回ることを示しています。
また、データから学んだ透過速度は、遡及的系統解析によって発見された透過経路と一致していることがわかります。

要約(オリジナル)

Forecasting the change in the distribution of viral variants is crucial for therapeutic design and disease surveillance. This task poses significant modeling challenges due to the sharp differences in virus distributions across sub-populations (e.g., countries) and their dynamic interactions. Existing machine learning approaches that model the variant distribution as a whole are incapable of making location-specific predictions and ignore transmissions that shape the viral landscape. In this paper, we propose a sub-population specific protein evolution model, which predicts the time-resolved distributions of viral proteins in different locations. The algorithm explicitly models the transmission rates between sub-populations and learns their interdependence from data. The change in protein distributions across all sub-populations is defined through a linear ordinary differential equation (ODE) parametrized by transmission rates. Solving this ODE yields the likelihood of a given protein occurring in particular sub-populations. Multi-year evaluation on both SARS-CoV-2 and influenza A/H3N2 demonstrates that our model outperforms baselines in accurately predicting distributions of viral proteins across continents and countries. We also find that the transmission rates learned from data are consistent with the transmission pathways discovered by retrospective phylogenetic analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google