[논문 리뷰] Imputing the mammalian virome with linear filtering and singular value decomposition

Timothée Poisot, Marie-Andrée Ouellet외 7명|arXiv (Cornell University)|2021. 05. 31.

Genomics and Phylogenetic Studies참고 문헌 1인용 수 11

한 줄 요약

이 연구는 선형 필터링(LF)과 특이값 분해(SVD)를 조합한 새로운 방법을 제안하여 육상 포유류 바이롬의 누락된 숙주-바이러스 상호작용을 보정하고, 아마존 우림에서 샘플링되지 않은 상호작용의 글로벌 핫스팟을 밝혀내며, 보정된 네트워크가 바이러스 게놈 특성에서 인간 바이러스 감염 위험을 예측하는 데 향상된 성능을 보임을 입증한다.

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.

연구 동기 및 목표

• 현재 특성화된 바이롬이 1-2% 미만인 세계 바이롬의 심각한 부족한 샘플링 문제를 해결하기 위해.
• 희박하고 불완전한 바이롬 데이터에도 불구하고 누락된 숙주-바이러스 상호작용을 추론할 수 있는 계산적 방법을 개발하기 위해.
• 현재 샘플링에서 드러나지 않는 생물학적으로 타당하고 공진화적 인사이트를 반영한 바이러스 상호작용을 밝혀내기 위해.
• 보정된 전 세계 숙주-바이러스 네트워크의 구조가 조건부 병원성 질환의 출현 가능성을 향상시킬 수 있는지 평가하기 위해.

제안 방법

• 선형 필터링(LF)은 낮은 신호 상호작용을 제거하여 숙주-바이러스 공존 행렬의 노이즈를 제거하고 안정화한다.
• 특이값 분해(SVD)는 필터링된 행렬을 저랭크 성분으로 분해하여 숙주-바이러스 상호작용의 잠재적 패턴을 포착한다.
• 상위 특이값과 특이벡터로부터 보정된 행렬을 재구성하여 생물학적으로 타당한 누락된 숙주-바이러스 쌍을 추론한다.
• 그래프 임bedding은 보정된 네트워크에 적용되어 후속 예측 작업을 위한 전역 네트워크 구조를 인코딩한다.
• 기존 상호작용의 진화 신호를 활용하여 생물학적으로 타당한 보정을 우선순위에 두는 방법이다.
• 이 방법은 바이러스 게놈 특성에서 인간 감염 가능성 예측 성능 향상을 평가함으로써 검증된다.

실험 결과

연구 질문

• RQ1 현재 바이롬 조사에서 누락될 가능성이 높은 숙주-바이러스 상호작용는 무엇이며, 그들은 지리적으로 어디에 집중되어 있는가?
• RQ2 LF-SVD를 통해 추론된 알려진 숙주-바이러스 상호작용의 잠재적 패턴은 생물학적으로 의미 있는, 이전에 샘플링되지 않은 상호작용를 드러낼 수 있는가?
• RQ3 보정된 포유류-바이러스 상호작용 네트워크의 전 세계적 구조는 조건부 병원성 잠재력 예측을 향상시키는가?
• RQ4 특이적이고 샘플링되지 않은 숙주-바이러스 상호작용 수준이 높은 지역이 존재하는가, 이는 숨겨진 바이러스 다양성을 시사하는가?

주요 결과

• 강력한 공진화 역사 신호를 지닌 매우 타당한 숙주-바이러스 상호작용 수천 건을 성공적으로 보정하였다.
• 아마존 우림에서 고유하게 샘플링되지 않은 숙주-바이러스 상호작용의 글로벌 핫스팟이 확인되어 이 지역의 높은 바이러스 다양성을 시사한다.
• 보정된 네트워크에서는 장기적인 공진화와 일치하는 진화적 서명을 지닌 숙주-바이러스 쌍이 뚜렷하게 증가되어 있음을 확인하였다.
• 보정된 네트워크의 그래프 임bedding은 바이러스 게놈 특성에서 인간 감염 위험 예측 성능을 향상시켰으며, 질병 출현 모델링에 전역 네트워크 구조의 유용성을 입증하였다.