从高通量测序数据中快速鉴定冠状病毒序列的循环神经网络模型

摘要

目的 探究利用循环神经网络快速检测高通量测序数据中的冠状病毒核酸序列,为快速准确地鉴定新发和高变异株冠状病毒提供新的思路.方法 从NCBI数据库中获得冠状病毒和人基因组数据,对收集到的序列进行数据预处理,构建冠状病毒感染者样品高通量测序模拟数据集,将其划分为训练集、验证集和测试集,在训练集上训练循环神经网络,在验证集和测试集上测试效果,并收集新型冠状病毒2019-nCoV基因组数据作为独立测试集.结果 该循环神经网络模型在测试集和独立测试集的性能上均优于传统生物信息学方法 ,计算速度也有较大提升.结论 该循环神经网络模型能够灵敏、快速地从高通量测序数据中检测出冠状病毒序列,同时具有很好的泛化能力,可对新发和高变异株冠状病毒序列进行准确的检测,为新发和高变异株冠状病毒的鉴定提供了新思路.