网络嵌入揭示了哺乳动物体内病毒组的隐藏相互作用
摘要：全球病毒组的采样量最多只有1-2\%。最近的研究表明，预测可能但未发现或实现的宿主-病毒相互作用实质上是一个网络科学问题。在这里，我们开发了一种新颖的方法，将粗糙的推荐系统（线性过滤；LF）与基于低秩图嵌入（奇异值分解；SVD）的插补算法相结合，推断宿主-病毒关联。这种技术组合根据直接可测量的网络属性（密度，度分布）得出明智的初步猜测，并通过SVD（能够利用新兴特征）进行细化。使用这种方法，我们发现了高度可信的未发现的相互作用，具有强烈的病毒共进化历史信号，并在亚马逊雨林中揭示了一个全球性的独特但未进行采样（或实现）的宿主-病毒相互作用的热点。我们开发了几个测试来量化这些预测的偏差和真实性，并表明LF-SVD方法在每个方面都是稳健的。最后，我们展示了插补网络的图嵌入可以用于基于病毒基因组特征预测人类感染，这表明哺乳动物-病毒网络的全球结构提供了对人类疾病爆发的额外见解。
作者：Timoth''ee Poisot, Marie-Andr''ee Ouellet, Nardus Mollentze, Maxwell J. Farrell, Daniel J. Becker, Liam Brierly, Gregory F. Albery, Rory J. Gibb, Stephanie N. Seifert, Colin J. Carlson
论文ID：2105.14973
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-03-28