MedElevator
Войти в исследования Оценка риска сильного денге с использованием внутриприветственного вирусного населения в серотипе 2 пациентов в Денге с помощью машинного обучения.
Аннотация
Вирус Денга, позитивный единичный вирус РНК, постоянно угрожает здоровью человека. Несмотря на то, что недавно было установлено несколько критериев оценки тяжелых денге, способность прогнозировать риск серьезных последствий для пациентов, страдающих денге, остается ограниченной. Мутантные спектры вирусов РНК, включая отдельные нуклеотиды (СНВ) и дефектные геномы вирусов (ДВГ), способствуют вирусной вирулентности и росту. Здесь мы определяем масштабность внутрипризрачной вирусной популяции у пациентов с первичной инфекцией, которая превращается в сильную денге. В общей сложности было зарегистрировано 65 больных серотипом 2 вируса денге, инфицированных первичными инфекциями, включая 17 серьезных случаев. Мы использовали глубокую последовательность для непосредственного определения частотности SNV и времени обнаружения DVG в сере пациентов денге и проанализировали их связи с тяжелым денге. Среди обнаруженных SNV и DVG частоты 9 SNV и время обнаружения 1 DVG показали статистически значительные различия между пациентами с лихорадкой денге и пациентами с тяжелым денге. Используя в качестве параметров обнаруженные частоты/время выбранных SNVs/DVG, модель машинного обучения показала высокий средний показатель по площади под кривой эксплуатационных характеристик приемника (AUROC, 0,966 ± 0,064). Повышение частотности SNV в E (позиции нуклеотида 995 и 2216), NS2A (позиции нуклеотида 4105), NS3 (позиции нуклеотида 4536, 4606) и NS5 белка (позиции нуклеотида 7643 и 10067) и время обнаружения выбранных DVG, которые имели соединение для удаления в области белков категории Е (позиции нуклеотида на перекрестке: от 969 до 1022), расширили возможности пациентов с денге для интенсивной денге. Короче говоря, мы продемонстрировали обнаруженные частоты/время SNV/DVG у пациентов денге, связанных с тяжелыми заболеваниями, и успешно использовали их для дискриминации тяжелых пациентов с использованием алгоритма машинного обучения. Выявленные SNV и DVG, связанные с тяжелым денге, улучшат наше понимание внутриприветственной вирусной популяции в патогенезе денге.
Название и аннотация на языке оригинала
Assessment of the Risk of Severe Dengue Using Intrahost Viral Population in Dengue Virus Serotype 2 Patients via Machine Learning.
Dengue virus, a positive-sense single-stranded RNA virus, continuously threatens human health. Although several criteria for evaluation of severe dengue have been recently established, the ability to prognose the risk of severe outcomes for dengue patients remains limited. Mutant spectra of RNA viruses, including single nucleotide variants (SNVs) and defective virus genomes (DVGs), contribute to viral virulence and growth. Here, we determine the potency of intrahost viral population in dengue patients with primary infection that progresses into severe dengue. A total of 65 dengue virus serotype 2 infected patients in primary infection including 17 severe cases were enrolled. We utilized deep sequencing to directly define the frequency of SNVs and detection times of DVGs in sera of dengue patients and analyzed their associations with severe dengue. Among the detected SNVs and DVGs, the frequencies of 9 SNVs and the detection time of 1 DVG exhibited statistically significant differences between patients with dengue fever and those with severe dengue. By utilizing the detected frequencies/times of the selected SNVs/DVG as features, the machine learning model showed high average with a value of area under the receiver operating characteristic curve (AUROC, 0.966 ± 0.064). The elevation of the frequency of SNVs at E (nucleotide position 995 and 2216), NS2A (nucleotide position 4105), NS3 (nucleotide position 4536, 4606), and NS5 protein (nucleotide position 7643 and 10067) and the detection times of the selected DVG that had a deletion junction in the E protein region (nucleotide positions of the junction: between 969 and 1022) increased the possibility of dengue patients for severe dengue. In summary, we demonstrated the detected frequencies/times of SNVs/DVG in dengue patients associated with severe disease and successfully utilized them to discriminate severe patients using machine learning algorithm. The identified SNVs and DVGs that are associated with severe dengue will expand our understanding of intrahost viral population in dengue pathogenesis.
Предметные рубрики MeSH
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.