科研之友
微信
新浪微博
Facebook
分享链接
摘要
流感病毒血凝素蛋白的持续和累积变化会产生新的抗原株，能够逃避人类免疫并引起季节性流感或流感大爆发。及时识别新的抗原变异体，对疫苗筛选和流感预防是至关重要的。图嵌入模型在部分数据缺失的情况下仍然可以实现有效的相互关系建模。针对甲型流感病毒H3N2，提出一种基于图卷积神经网络的抗原性预测方法，获取流感毒株低维稠密嵌入向量，同时对序列信息进行编码并作为补充特征，利用深度神经网络模型对特征进行融合并学习关键的抗原特征，完成抗原性预测。在两个数据集上的实验结果表明，该方法相比其他同类方法，显著提升了抗原相似性预测性能，具有良好的鲁棒性和可扩展性。此外，从实验中还可以看出，图卷积神经网络可以有效地获取抗原相似关系的抗原特征。
- 出版日期2023
- 单位云南大学
