21 Ülkede 377 Tüm Genomun Analizi: Yeni Koronavirüsün Kökenini Keşfetmek
[Xinzhiyuan Rehberi] Birkaç gün önce Nature, salgın durumunun eğilimini ve bilimsel araştırma personelinin görevlendirme hızını görsel olarak göstermek için yeni taç virüsün 5 görsel haritasını çıkardı. Xidian Profesörü Li Yanni ve Pekin Üniversitesi Profesörü Liu Bing ve diğer bilim adamları, yeni koronavirüsün tüm gen dizisinin benzerliği üzerine, 377 COVID-19'un tüm gen dizisini ve virüsün kaynağından bir adım ötede 21 ülkeden ilgili virüsleri içeren bir çalışma yayınladılar. .
Birkaç gün önce Nature, yeni koronavirüs salgını hakkında beş grafik hazırladı.Çok sezgisel bir şekilde, bize virüsün doğrulanmış vakalarının eğilimini, R0 değerlerinin karşılaştırmasını, araştırmacılar tarafından yayınlanan araştırmanın hızını ve seyahat kısıtlamalarının karbon emisyonları üzerindeki etkisini gösteriyor. 2003'teki SARS ile karşılaştırıldığında hava kalitesinin ve salgının etkisi.
Doğa Görselleştirme Tablosu: Yeni Koronavirüs ve SARS Zaman Çizelgesi Karşılaştırması, Çin'in Bu Seferki Gerçek Hızı
Şu anda, dünya çapında 240.000'den fazla kişiye yeni koroner pnömoni bulaşmıştır ve Çin dışında doğrulanmış vaka sayısı Çin'dekini aşmıştır. İlk resim gösterir Çin ve diğer ülkelerde teyit edilmiş vaka eğilimleri , Çin'de teyit edilen teşhislerin sayısı Şubat ortasından sonra yavaşladı ve diğer ülkeler Mart ayında keskin bir şekilde artmaya başladı.
İkinci resim gösterir COVID-19 ve diğer hastalıklar arasında R0 değeri ve ölüm oranının karşılaştırılması . COVID-19'un ölüm oranına ilişkin mevcut tahminler, yeni koronavirüsün ölüm oranının SARS, MERS ve Ebola gibi diğer büyük ölçekli salgın patojenlerden daha düşük olduğunu gösteriyor. Ancak bu enfeksiyon, mevsimsel grip gibi diğer hastalıklardan daha kolay yayılıyor gibi görünüyor. Yeni koronavirüsün temel üreme sayısı R0 yaklaşık 2 ila 2,5'tir.
Üçüncü resim gösterir Seyahat kısıtlamalarının karbon emisyonları ve hava kalitesi üzerindeki etkisi . Çinin salgını kontrol etme çabaları, enerji tüketimini ve hava kirliliğini sınırlamış görünüyor. NASA ve Avrupa Uzay Ajansı tarafından toplanan uydu verileri, atmosferdeki nitrojen dioksit (fosil yakıtların yanması sırasında üretilen NO2) seviyelerinin ülke genelinde keskin bir şekilde düştüğünü gösteriyor. Ön analiz, Ay Yeni Yılından sonra NO2 kirliliğinin önceki yılların aynı dönemine göre% 10-30 oranında azaldığını gösteriyor.
Dördüncü resim Yeni Koronavirüs ve SARS Zaman Çizelgesi Karşılaştırması . SARS salgını, benzersiz bir hastalık olarak kabul edilmeden önce üç ay sürdü. Ardından, önümüzdeki iki ay içinde, hala patojenleri arıyoruz: virüsün kendisinin tanımlanması ve genom dizilemesi esas olarak Çin dışındaki araştırmacılardan geliyor.
Buna karşılık, bilinen ilk COVID-19 vakasından üç hafta sonra Çin, DSÖ'ye pnömoni benzeri vakalarda bir artış olduğunu bildirdi. İki hafta sonra, koronavirüs izole edildi, genetik olarak sıralandı ve Çin'e ihtiyaç duyduğu araçları sağlayan ve dünya tarihindeki en büyük bulaşıcı hastalık kontrol operasyonlarından birini başlatan bir teşhis testi geliştirildi. .
Son resim gösterir Zaman içinde yeni koronavirüs ile ilgili araştırmalardaki değişiklikler . Bu salgının salgını, yeni koronavirüs ve neden olduğu hastalıklar hakkında geniş çaplı araştırmaları teşvik etti. 12 Mart itibarıyla yeni koronavirüs ile ilgili 900 civarında makale, ön baskı ve ön rapor vardı.
Daha sonra yeni koronavirüs ile ilgili yeni bir çalışmayı sizlerle paylaşacağız.
21 ülkeden 377 tam genom dizisi, COVID-19 virüsleri arasındaki benzerlikleri ve evrimsel ilişkileri araştırıyor
Xidian Üniversitesi'nden Profesör Li Yanni ve diğerleri ve Pekin Üniversitesi'nden Profesör Liu Bing, yeni koronavirüsün tüm gen dizisinin benzerliği üzerine "COVID-19 ve İlgili Virüslerin Benzerlikleri ve Evrimsel İlişkileri" (COVID-19) başlıklı bir çalışma yayınladılar. İlgili virüslerle benzerlik ve evrimsel ilişkileri).
Kağıt adresi: https://arxiv.org/pdf/2003.05580.pdf
Araştırmacılar, 377 COVID-19 yeni koronavirüs ve ilgili virüslerin benzerliği ve evrimsel ilişkisi üzerine hesaplamalı analizler yaptılar ve ilgili alanlardaki uzmanların virüsün kaynağını bulmasında etkili olabilecek bazı potansiyel olarak ilginç sonuçlar elde ettiler. Test reaktifleri, aşılar ve terapötik ilaçların geliştirilmesi faydalıdır. Bu araştırmayı herkes için yorumlayalım.
Özet:
Halka açık 377 COVID-19 virüsü, önceden bilinen 4 influenzaya neden olan koronavirüs HCov-229E, HCov-OC43, HCov-NL63 ve HCov-HKU1 ve ölümcül patojenik P3 / P4 virüsü topladık: SARS, MERS, Victoria, Lassa, Yamagata, Ebola ve Dengue ateşinin tüm genom dizisi.
Bu makalenin yazarı en son geliştirmelerini kullanıyor Büyük sekanslı veri analiz aracı I-MLCS, mevcut MEGA 6.0 sistemi ve kümeleme algoritması , 21 farklı ülkeden COVID-19 virüs dizilerinin hesaplamalı analizi ve COVID-19 virüsü ile ilgili virüsler arasındaki benzerlik ve evrimsel ilişki.
Şekil 1. Veri kaynağı ve örnekleme / sıralama süresi.
Tablo 1. Farklı aylarda COVID-19 virüs dizileri arasındaki ortalama benzerlik
Benzerlik analizi gösteriyor ki Kasımpatı yarasalarına ev sahipliği yapan iki COVID-19 virüs suşu (TG13 ve RaTG13), insanları konakçı olarak kullanan COVID-19 virüsüyle yüksek benzerliğe sahiptir, ancak pangolinleri barındıran virüsler ile insanları konakçı olarak kullanan virüsler arasındaki ortalama benzerlik Daha yüksek . Evrimsel ilişkinin analizi şunu göstermektedir: 5 ülkede dizilenen yaklaşık 13 COVID-19 suşu, muhtemelen birinci nesil COVID-19 virüsü ve kökeni ile ilişkili olabilir veya araştırmacıları virüsün kaynağını bulmaya yönlendirebilir. .
Profesör Liu Bing ayrıca Tablo 1'deki benzerlik üzerine istatistiksel bir test yaptıklarını ve Virüs, son dört ayda istatistiksel olarak önemli mutasyonlar yaşadı Bu da iyi bir aşı geliştirmeyi zorlaştırıyor.
Giriş:
Aralık 2019'dan bu yana, ciddi yeni taç virüsü COVID-19'un neden olduğu pnömoni salgını, Wuhan'dan tüm ülkeye hızla yayıldı.Çin CDC (Çin Hastalık Kontrol Merkezi) raporuna göre: 2020.3.8 itibariyle, Çin'de toplam 80.868 doğrulanmış hasta var , Toplam ölüm sayısı 3101'dir. Daha da önemlisi, salgının dünyada 100'den fazla ülke veya bölgeye yayılmış olmasıdır. Bu nedenle, COVID-19 salgınını etkin bir şekilde kontrol etmek ve durdurmak, enfekte hastaları iyileştirmek ve salgının neden olduğu büyük ekonomik kayıplardan kaçınmak dünyanın karşı karşıya olduğu en acil ve önemli konulardır.
Bu makale, yazarın yeni koronavirüs COVID-19'un tam gen dizisinin (bundan sonra dizi olarak anılacaktır) kendi hesaplamasını ve analizini ve ayrıca COVID-19 virüs dizisi ile diğer ilgili virüs dizileri arasındaki benzerliği ve evrimsel ilişkiyi bildirmektedir.
Yeni koronavirüs COVID-19 yeni bir virüs türü olduğu için üzerine araştırmalar yeni başladı. Mevcut araştırmadan farklı olarak, bu makaledeki çalışma, toplam 377 COVID-19 ve 21 ülkeden ilgili virüsleri içeren yeni koronavirüs COVID-19 ve ilgili virüslerin tüm gen dizisinin büyük ölçekli karşılaştırmalı hesaplamalı çalışmasıdır. gen dizisi. Daha da önemlisi yazar, bu 377 virüsün tüm gen dizisinin benzerlik ve homoloji / evrim analizini ilk kez gerçekleştirdi. Bu makalenin göstereceği gibi, COVID-19'un tüm gen dizisinin ve ilgili virüslerin bu büyük ölçekli derinlemesine hesaplanması ve madenciliği, COVID-19 ile ilgili virüsler arasındaki bazı önemli ilişkileri ve keşifleri ortaya çıkaracaktır.
Bu işte, Yazar, halka açık toplam 215 COVID-19 gen dizisi topladı (Dahil olanlar: bir insan konakçı ile 194 sekans, konakçı olarak bir krizantem yarasalı 13 sekans, konakçı olarak bir pangolin içeren 6 sekans ve konakçı olarak bir çevreye sahip 2 sekans), mevcut dört influenza koronavirüsü HCov-229E ( 3), HCov-OC43 (78), HCov-NL63 (16) ve HCov-HKU1 (4), ayrıca 7 yüksek derecede patojenik ve ölümcül 7 P3 / P4 virüsü, SARS (11), MERS (11), Victoria (5), Lassa (6), Yamagata (5), Ebola (11) ve Dengue (12), yukarıdaki dizi Toplamda 377 . Bu makaledeki sekans verileri aşağıdaki veritabanlarından gelmektedir: GenBank veya NCBI (Ulusal Biyoteknoloji Bilgi Merkezi), GISAID (Tüm Grip Verilerini Paylaşma Küresel Girişimi), CDC (Hastalık Kontrol ve Önleme Merkezi) vb., Sıranın ortalama uzunluğu yaklaşık 30.000 .
Yeni koronavirüs COVID-19 pnömonisinin patogenezi, virüs tespiti, aşı ve terapötik ilaç geliştirme vb. Büyük ölçüde COVID-19'un tüm gen dizisinin analizine ve araştırmasına bağlı olduğundan, bu makaledeki araştırma biyolojik olacaktır, Tıp ve sağlık alanlarındaki ilgili uzmanlar, COVID-19 virüsünün kökenini ve yayılmasını izliyor, etkili test reaktifleri, aşılar ve terapötik ilaçlar geliştiriyor ve değerli karar verme bilgileri / veri desteği sağlamak için salgını etkili bir şekilde kontrol ediyor ve kısıtlıyor. Bu çalışmanın, COVID-19'un tüm gen dizisinin ve ilgili virüs dizilerinin büyük ölçekli bir hesaplama ve madencilik çalışması olduğunu belirtmekte fayda var.Amacımız, bazı minimal olanlar dışında çok çeşitli biyolojik açıklamalar elde etmek değil. Sekans verilerinin karşılaştırmalı hesaplamasında, potansiyel olarak değerli bilgiler analiz edilir ve çıkarılır.
Şekil 2. Dört influenza koronavirüsü ile insan tarafından barındırılan COVID-19 arasındaki ortalama benzerlik.
Şekil 3. COVID-19 ile yedi ölümcül patojenik P3 / P4 virüs dizisi arasındaki ortalama benzerlik.
Şekil 4. Farklı konakçılarda COVID-19 virüs dizileri arasındaki ortalama benzerlik.
Bu çalışmanın temel bulguları (tüm analizler yalnızca tam genom dizisini kullanır):
1. Son 4 ayda (2019.12 ~ 2020.3) toplanan 194 insan barındırılan yeni koronavirüs COVID-19 gen dizisinin tamamının benzerlik analizinin sonuçları şunu göstermektedir: Diziler,% 99,8'e kadar ortalama benzerliğe sahiptir ; MEGA 6.0 kullanılarak homoloji / evrim ilişkilerinin analizi şunları gösterir: Farklı ülkelerden gelen yeni koronavirüs COVID-19 belli bir derecede mutasyona uğradı
2. COVID-19 ile bilinen dört influenza koronavirüsü (HCov-229E, HCov-OC43, HCov-NL63 ve HCov-HKU1) arasındaki benzerlik% 55,6 ile% 56,1 arasındadır. Yeni koronavirüs COVID-19, bilinen dört influenza koronavirüsünden farklı
3. İnsan tarafından barındırılan yeni koronavirüs COVID-19, SARS'a ortalama% 82.6 benzerlikle, yüksek derecede patojenik ve ölümcül P3 / P4 virüsleri arasında en çok SARS ve MERS'e benzer ve MEGA 6.0 hesaplama sonuçları şunları bildirir: COVID-19 ve SARS homologdur
4. İnsan tarafından barındırılan COVID-19 dizisinin pangolin COVID-19 dizisine benzerliği, krizantem yarasasınınkinden daha yüksektir. , Ortalama benzerlik farkı% 13 ~% 20'dir. Konakları krizantem yarasaları olan iki COVID-19 sekansı (TG13 ve RaTG13) dışında, virüs suşları TG13 ve RaTG13'ün insan tarafından barındırılan yeni koronavirüs COVID-19 sekansı ile benzerliği% 95.9 kadar yüksektir;
5. Konağı insan olan yeni koronavirüs COVID-19'un dizisi, konağı çevre olan COVID-19'unkine benzer ve% 99,7'ye kadar yüksek ve ikisi homolog
6. 21 ülkeden 194 insan barındırılan yeni koronavirüs COVID-19 dizisinin homolog evrim ilişkisini hesaplamak için MEGA 6.0 kullanılması şunu göstermektedir: 5 ülkeden 13 virüs dizisi , Yani: Çin (Çin 7/85), Tayland (Tayland 2/2), Japonya (Japonya 2/9), Amerika Birleşik Devletleri (ABD 1/32) ve Güney Kore (Güney Kore 1/9) Birinci nesil virüs veya virüs kaynağıyla ilgili olması veya bizi bulmaya yönlendirmesi çok muhtemeldir. . Unutulmamalıdır ki, bu makale dünya çapında seyahat nedeniyle yukarıda belirtilen 5 ülkeden 13 virüs dizisinin virüsün kaynak ülkesi olması gerektiği / olabileceği anlamına gelmez, sadece bu 13 virüs dizisinin ilkine kadar izlenebileceğini gösterir. Bir nesil virüs veya virüs kaynakları, gerekli ve değerli ipuçları sağlar.
Şekil 5. Birinci nesil COVID-19 suşunun ülke, seri numarası ve sıralama tarihi.
Şekil 6. 21 ülkeden 21 COVID-19 virüs suşunun iki evrim ağacı (ülke başına bir suş).
Şekil 7. Şekil 5'teki 21 COVID-19 suşunun evrim ağacı.
Şekil 8. 15 virüsün benzerlik matrisi.
Şekil 9. 15 virüsün tam bağlantılı ağırlıklı grafik ve kümeleme sonuçları.
Şekil 10. İki virüs kümesinin iki evrimsel ağacı.
"COVID-19 ile ilgili virüsler arasındaki benzerlik ve evrimsel ilişkileri" çalışmanın yazarı tanıtımı
Li Yanni, PhD, profesör, PhD / Bilgisayar bilimi ve teknolojisi alanında yüksek lisans öğretmeni, yazılım mühendisliği. 1981, 2005 ve 2013 yıllarında Xidian Üniversitesi'nden bilgisayar uygulamaları alanında lisans, yazılım mühendisliği alanında yüksek lisans ve bilgisayar uygulama teknolojisi alanında doktora dereceleri aldı. Eylül'den Aralık 2017'ye kadar, Chicago'daki Illinois Üniversitesi'nde misafir araştırmacı olarak görev yaptı; Nisan'dan Eylül 2019'a kadar Kanada'daki Nipissing Üniversitesi'nde misafir araştırmacı olarak görev yaptı. Mevcut ana araştırma alanları şunlardır: büyük veri analizi, makine öğrenimi ve çok amaçlı optimizasyon ve diğer temel teoriler ve uygulamalar. İlk yazar olarak iki monografi yazdı Bunlar arasında, "C ++ Programlama Dili" ulusal "10. Beş Yıllık Plan" ders kitabı ve genel yüksek öğrenim için ulusal yüksek kaliteli ders kitabı ile ödüllendirildi. Son yıllarda, araştırma alanında ilk yazar olarak 20'den fazla SCI / üst düzey konferans bildirisi yayınlamış ve ana üye olarak 10'dan fazla dikey / yatay projeye başkanlık etmiş veya bunları tamamlamıştır. Ana katılımcı olarak, "Karmaşık Veri Yönetimi Teorisi ve Anahtar Teknolojileri" projesi, 2019 yılında Shaanxi İl Eğitim Departmanı Bilim ve Teknoloji İlerleme Ödülü'nün birincilik ödülünü, "Yapılandırılmamış Veri Yönetimi ve Madencilik Anahtar Teknolojileri ve Uygulamaları" projesi ise 2019 Shaanxi Doğa Bilimi ödülünü kazandı. ikincilik ödülü.
Bing Liu şu anda Peking Üniversitesi'nde profesör (şu anda Chicago'daki Illinois Üniversitesi'nde (UIC) tatilde), bir ACM Üyesi, bir AAAI Üyesi ve bir IEEE Üyesi. Yapay zeka alanında Edinburgh Üniversitesi'nden doktora derecesi aldı. Araştırma alanları arasında yaşam boyu makine öğrenimi, duygu analizi, veri madenciliği, makine öğrenimi ve doğal dil işleme yer alıyor. En iyi uluslararası konferanslarda / dergilerde çok sayıda akademik makale yayınladı, 4 monografi yazdı ve Google Scholar Citation 60.000'den fazla kişiye ulaştı. Bunlar arasında 2 makale KDD Test-of-Time Ödülünü, 1 makale WSDM Test-of-Time Ödülünü ve 1 bildiri WSDM Test-of-Time mansiyon ödülünü (mansiyon ödülü) kazandı. Öncü araştırma çalışmaları, New York Times'ın ön sayfasındaki bir makale de dahil olmak üzere medya tarafından geniş çapta bildirildi. 2018 ACM SIGKDD İnovasyon Ödülünü kazandı. 2013'ten 2017'ye kadar ACM SIGKDD'nin başkanlığını yaptı ve KDD, ICDM, CIKM, WSDM, SDM ve PAKDD dahil olmak üzere birçok üst düzey veri madenciliği konferansının program başkanı olarak görev yaptı. Ayrıca, TKDE, TWEB, DMKD ve TKDD gibi birçok üst düzey derginin yardımcı editörü ve çeşitli doğal dil işleme, yapay zeka, ağ ve veri madenciliği konferanslarının saha başkanı veya kıdemli program komitesi üyesidir.
