[論文レビュー] Imputing the mammalian virome with linear filtering and singular value decomposition

Timothée Poisot, Marie-Andrée Ouellet+7 more|arXiv (Cornell University)|May 31, 2021

Genomics and Phylogenetic Studies参考文献 1被引用数 11

ひとこと要約

本研究では、線形フィルタリング（LF）と特異値分解（SVD）を組み合わせた新しい手法を導入し、哺乳類のウイルス共生体に存在する欠損した宿主-ウイルス関係を補完することで、アマゾン熱帯雨林に広がる未採取の相互作用のグローバルなホットスポットを特定し、補完されたネットワークがウイルスゲノム特徴からヒト感染リスクを予測するのを向上させることを示した。

ABSTRACT

At most 1-2% of the global virome has been sampled to date. Here, we develop a novel method that combines Linear Filtering (LF) and Singular Value Decomposition (SVD) to infer host-virus associations. Using this method, we recovered highly plausible undiscovered interactions with a strong signal of viral coevolutionary history, and revealed a global hotspot of unusually unique but unsampled (or unrealized) host-virus interactions in the Amazon rainforest. We finally show that graph embedding of the imputed network can be used to improve predictions of human infection from viral genome features, showing that the global structure of the mammal-virus network provides additional insights into human disease emergence.

研究の動機と目的

• 現在のところ1〜2％未不到達のグローバルなウイルス共生体の著しい未採取状態に対処すること。
• 希少で不完全なウイルス共生体データのもとでも、欠損した宿主-ウイルス関係を推定する計算手法を開発すること。
• 現在のサンプリングでは検出されていないが生物学的に妥当で、共進化的知見に基づいたウイルス相互作用を特定すること。
• 補完された哺乳類-ウイルスネットワークのグローバル構造が、ズーンオティック疾患の出現予測を改善するかどうかを評価すること。

提案手法

• ノイズを除去し、宿主-ウイルス共発生行列の安定化を図るために、線形フィルタリング（LF）が適用され、低信号相互作用が除外される。
• フィルタリングされた行列を低ランク成分に分解するために特異値分解（SVD）が用いられ、宿主-ウイルス関係の潜在的パターンが捉えられる。
• 上位の特異値と特異ベクトルから再構成された補完行列により、生物学的に妥当な欠損した宿主-ウイルスペアの推定が可能になる。
• グラフ埋め込みが補完ネットワークに適用され、後続の予測タスクのためのグローバルネットワーク構造が符号化される。
• 既知の関係に内在する進化的な信号を活用することで、生物学的に妥当な補完を優先する。
• アプローチの妥当性は、ウイルスゲノム特徴からヒト感染性を予測する能力の向上を評価することで検証される。

実験結果

リサーチクエスチョン

• RQ1 現在のウイルス共生体調査から欠落していると予想される宿主-ウイルス関係は何か、そしてそれらは地理的にどこに集中しているか？
• RQ2 LF-SVDを用いて推定された既知の宿主-ウイルス相互作用の潜在的パターンは、生物学的に意味のある、これまで未採取であった関係を明らかにできるか？
• RQ3 補完された哺乳類-ウイルス相互作用ネットワークのグローバル構造は、ズーンオティック潜在的リスクの予測を改善するか？
• RQ4 独自の未採取宿主-ウイルス相互作用が著しく高いレベルで存在する地域は存在するか、これは隠れたウイルス多様性を示唆するか？

主な発見

• 本手法は、共進化的歴史の強い信号を示す多数の極めて妥当な宿主-ウイルス関係を成功裏に補完した。
• アマゾン熱帯雨林に、独自の未採取宿主-ウイルス相互作用のグローバルホットスポットが特定された。この地域は高いウイルス多様性を示している。
• 補完されたネットワークは、長期間にわたる共進化と整合する進化的な特徴を持つ宿主-ウイルスペアの有意な豊富さを示した。
• 補完ネットワークのグラフ埋め込みにより、ウイルスゲノム特徴からヒト感染リスクを予測する性能が向上した。これは、グローバルネットワーク構造が疾患出現モデリングに有用であることを示している。