SARS-CoV-2, like any other virus, continues to mutate as it spreads, according to an evolutionary process. Unlike any other virus, the number of currently available sequences of SARS-CoV-2 in public databases such as GISAID is already several million. This amount of data has the potential to uncover the evolutionary dynamics of a virus like never before. However, a million is already several orders of magnitude beyond what can be processed by the traditional methods designed to reconstruct a virus's evolutionary history, such as those that build a phylogenetic tree. Hence, new and scalable methods will need to be devised in order to make use of the ever increasing number of viral sequences being collected. Since identifying variants is an important part of understanding the evolution of a virus, in this paper, we propose an approach based on clustering sequences to identify the current major SARS-CoV-2 variants. Using a $k$-mer based feature vector generation and efficient feature selection methods, our approach is effective in identifying variants, as well as being efficient and scalable to millions of sequences. Such a clustering method allows us to show the relative proportion of each variant over time, giving the rate of spread of each variant in different locations -- something which is important for vaccine development and distribution. We also compute the importance of each amino acid position of the spike protein in identifying a given variant in terms of information gain. Positions of high variant-specific importance tend to agree with those reported by the USA's Centers for Disease Control and Prevention (CDC), further demonstrating our approach.


翻译:与任何其他病毒一样,SARS-COV-2像任何其他病毒一样,在病毒传播过程中继续变异。与任何其他病毒不同的是,在GISAID等公共数据库中,SARS-COV-2的现有序列数量已经达到几百万。这一数量的数据有可能发现病毒的进化动态,但100万个数量级已经超出传统方法所能处理的范围,传统方法是为了重建病毒的进化历史,例如建立植物树。因此,需要设计新的和可扩展的方法,以便利用不断增长的病毒序列数量。由于确定变异体是了解病毒演变的一个重要部分,因此在本文件中,我们提出一种基于组合序列的方法,以确定目前主要的SARS-COV-2变异体。我们使用以美元为单位的特性矢量生成和高效的特性选择方法,我们的方法能够有效地确定变异体,并且能和可伸缩到数百万个序列。这种组合方法使我们得以在每种变体的变体位置上发现每一种变体的变体,我们每个变体在每种变体的变体的变体的变体上,每个变体的变体的变体在每种变体的变体的变体的变体的变体的变体上,我们在每一变体的变体上都的变体的变体的变体的变体的变体的变体的变体的变体的变体的变体的变种的变种的变种性的变种的变种性的变体的变种的变种的变体的变体的变种性的变种性的变种性的变种性的变种的变种性的变种性的变种性的变种的变种性的变种性的变种性的变种性的变种性的变种性的变种的变种性的变种性的变种性的变种性的变种性的变种性的变种性的变种性的变种性的变式的变种性上,,我们的变式的变种的变种性的变种的变种性的变种的变种性的变种的变种的变种的变种的变种的变种的变种的变种的变种的变种的变种的变种的变种

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
二值多视角聚类:Binary Multi-View Clustering
我爱读PAMI
4+阅读 · 2018年6月24日
【干货】Python无监督学习的4大聚类算法
新智元
14+阅读 · 2018年5月26日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Semantics of Data Mining Services in Cloud Computing
Arxiv
4+阅读 · 2018年10月5日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
二值多视角聚类:Binary Multi-View Clustering
我爱读PAMI
4+阅读 · 2018年6月24日
【干货】Python无监督学习的4大聚类算法
新智元
14+阅读 · 2018年5月26日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员