論文の概要: BiLSTM-VHP: BiLSTM-Powered Network for Viral Host Prediction

• arxiv url: http://arxiv.org/abs/2509.11345v1
• Date: Sun, 14 Sep 2025 16:42:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.041201
• Title: BiLSTM-VHP: BiLSTM-Powered Network for Viral Host Prediction
• Title（参考訳）: BiLSTM-VHP:ウイルス宿主予測のためのBiLSTMを利用したネットワーク
• Authors: Azher Ahmed Efat, Farzana Islam, Annajiat Alim Rasel, Munima Haque,
• Abstract要約: SARS-CoV-2、サルポックス、豚インフルエンザウイルスの近年の流行は、これらのウイルスがいかにして人間の生活を破壊し、死を引き起こすかを示している。 ウイルスが拡散する宿主の迅速かつ正確な予測は、これらの病気の拡散を防ぐのに役立つ。 本研究は、オルソハンタウイルス、狂犬病リサウイルス、ロタウイルスAのヌクレオチド配列から宿主を予測できる軽量双方向長短期メモリ(LSTM)ベースのアーキテクチャであるBiLSTM-VHPを提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recorded history shows the long coexistence of humans and animals, suggesting it began much earlier. Despite some beneficial interdependence, many animals carry viral diseases that can spread to humans. These diseases are known as zoonotic diseases. Recent outbreaks of SARS-CoV-2, Monkeypox and swine flu viruses have shown how these viruses can disrupt human life and cause death. Fast and accurate predictions of the host from which the virus spreads can help prevent these diseases from spreading. This work presents BiLSTM-VHP, a lightweight bidirectional long short-term memory (LSTM)-based architecture that can predict the host from the nucleotide sequence of orthohantavirus, rabies lyssavirus, and rotavirus A with high accuracy. The proposed model works with nucleotide sequences of 400 bases in length and achieved a prediction accuracy of 89.62% for orthohantavirus, 96.58% for rotavirus A, and 77.22% for rabies lyssavirus outperforming previous studies. Moreover, performance of the model is assessed using the confusion matrix, F-1 score, precision, recall, microaverage AUC. In addition, we introduce three curated datasets of orthohantavirus, rotavirus A, and rabies lyssavirus containing 8,575, 95,197, and 22,052 nucleotide sequences divided into 9, 12, and 29 host classes, respectively. The codes and dataset are available at https://doi.org/10.17605/OSF.IO/ANFKR
• Abstract（参考訳）: 記録された歴史は、人間と動物の長い共存が示されており、それよりずっと早く始まったことを示唆している。 いくつかの有益な相互依存にもかかわらず、多くの動物はヒトに伝染するウイルス性疾患を媒介する。 これらの病気は動物性疾患として知られている。 SARS-CoV-2、サルポックス、豚インフルエンザウイルスの近年の流行は、これらのウイルスがいかにして人間の生活を破壊し、死を引き起こすかを示している。 ウイルスが拡散する宿主の迅速かつ正確な予測は、これらの病気の拡散を防ぐのに役立つ。 本研究は、オルソハンタウイルス、狂犬病リサウイルス、ロタウイルスAのヌクレオチド配列から高い精度で宿主を予測できる軽量双方向長短期メモリ(LSTM)ベースのアーキテクチャであるBiLSTM-VHPを提示する。 提案されたモデルは400塩基のヌクレオチド配列で動作し、オクレオハンタウイルスの89.62%、ロタウイルスAの96.58%、狂犬病の77.22%の予測精度を達成した。 さらに、混乱行列、F-1スコア、精度、リコール、マイクロ平均AUCを用いてモデルの性能を評価する。 さらに,8,575,95,197,22,052のヌクレオチド配列をそれぞれ9,12,29のホストクラスに分類し,オクレオハンタウイルス,ロタウイルスA,狂犬病ウイルスの3つの治療データセットを紹介した。 コードとデータセットはhttps://doi.org/10.17605/OSF.IO/ANFKRで公開されている。

関連論文リスト

• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
  本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。 コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。 以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
  論文  参考訳（メタデータ） (2023-04-24T08:17:16Z)
• Dive into Machine Learning Algorithms for Influenza Virus Host Prediction with Hemagglutinin Sequences [4.289396744209968]
  インフルエンザウイルスは急速に変異し、公衆衛生、特に脆弱な集団に脅威をもたらす可能性がある。 近年,機械学習アルゴリズムによるウイルス配列の高速かつ正確な予測への関心が高まっている。 本研究では,さまざまな分類レベルで機械学習アルゴリズムを評価するために,実検定データセットと各種評価指標を用いた。
  論文  参考訳（メタデータ） (2022-07-28T00:54:54Z)
• A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
  アミノ酸の順序を保つことで,分類器の精度が向上することを示す。 また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
  論文  参考訳（メタデータ） (2021-08-07T15:08:15Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。