ViroNEXT: A multilayer hybrid system for high-precision detection of known and divergent viruses in metagenomics
ViroNEXT is een volledig geautomatiseerde, open-source multilayer hybride pipeline die referentiegebaseerde en machine learning-benaderingen combineert om een hoge-precisie detectie van zowel bekende als sterk divergente virussen in metagenomische data te bereiken, terwijl het aantal fout-positieve classificaties aanzienlijk wordt verminderd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In de onzichtbare wereld van de menselijke gezondheid zijn virussen constante reizigers; sommigen veroorzaken bekende ziekten en anderen blijven verborgen totdat ze toeslaan. Decennialang hebben artsen vertrouwd op gerichte tests om deze indringers te vinden, maar die tests vereisen dat je van tevoren precies weet waar je naar op zoek bent. Als een virus van vorm is veranderd of voor het eerst verschijnt, missen de standaardtests het vaak volledig. Een nieuwere benadering, genaamd metagenomische sequencing, biedt een ander pad. In plaats van te zoeken naar een specifieke verdachte, leest deze methode elke enkele streng genetisch materiaal in een monster, zoals het doorzoeken van een enorme bibliotheek om een enkel boek te vinden zonder de titel te kennen. Hoewel deze techniek de belofte inhoudt om elk virus te vinden, heeft zij te kampen met twee grote problemen: het verwart vaak onschuldige genetische ruis met gevaarlijke virussen, en het faalt regelmatig in het herkennen van virussen die aanzienlijk zijn veranderd ten opzichte van de virussen die wetenschappers al kennen.
Een team van onderzoekers heeft nu een nieuw systeem ontwikkeld genaamd ViroNEXT om deze problemen op te lossen. Dit systeem werkt als een hoogwaardig filter dat twee verschillende manieren van denken over genetische data combineert. Het eerste deel van het systeem werkt als een traditionele bibliothecaris, die elk stukje genetische code controleert tegen een enorme database van bekende virussen. Als er een match wordt gevonden, wordt dit gemarkeerd. Het systeem stopt echter niet daar. Het onderwerpt elke potentiële match aan een reeks strenge controles, waarbij gekeken wordt naar hoe de genetische code is gerangschikt en hoeveel van het virus daadwerkelijk aanwezig is in het monster. Deze meerlagige aanpak zorgt ervoor dat alleen de meest betrouwbare bevindingen doorgaan, waardoor valse alarmen die eerdere methoden teisteren effectief worden geëlimineerd.
Het tweede deel van het systeem is ontworpen voor het onbekende. Wanneer het eerste deel van het systeem geen match kan vinden in zijn database, wordt de genetische code doorgegeven aan een machine learning-model. Dit model vertrouwt niet op het zoeken naar exacte overeenkomsten met bekende virussen. In plaats daarvan is het getraind om de algemene patronen en structurele kenmerken te herkennen die een sequentie van genetische code eruit laten zien als een virus, zelfs als het nog nooit eerder is gezien. Door de precisie van het controleren tegen bekende lijsten te combineren met het patroonherkenningsvermogen van machine learning, kan het systeem zowel bekende virussen als virussen die geëvolueerd zijn tot vreemde, afwijkende vormen identificeren.
Om te testen hoe goed dit nieuwe systeem werkt, hebben de onderzoekers een reeks uitdagende scenario's gecreëerd. Ze bouwden synthetische monsters die virussen bevatten gemengd met menselijk en bacterieel genetisch materiaal, waarmee realistische omstandigheden werden gesimuleerd waarbij het doelvirus verborgen is tussen miljarden andere strengen. In deze tests introduceerden ze virussen met genetische mutaties variërend van nul tot vijfentwintig procent verschillend van de bekende versies. Terwijl andere bestaande tools begonnen te falen of veel valse alarmen gaven naarmate de mutaties toenamen, behield ViroNEXT een hoge nauwkeurigheid. Het identificeerde de virussen succesvol, zelfs wanneer ze aanzienlijk waren veranderd, terwijl andere systemen ze begonnen te missen of rapporteerden dat er virussen aanwezig waren die er in werkelijkheid niet waren.
De onderzoekers testten het systeem ook op real-world data, waaronder monsters van patiënten met onverklaarde koorts en infecties. In deze klinische gevallen bewees het systeem opnieuw zijn waarde door heldere, betrouwbare resultaten te leveren. Het identificeerde de virussen die de ziekten veroorzaakten zonder het rapport te vullen met tientallen ongerelateerde, onjuiste gissingen die andere tools produceerden. In één specifieke test met een complex mengsel van eenentwintig verschillende virussen, identificeerde het systeem bijna alle virussen correct, terwijl het veel minder valse alarmen genereerde dan zijn concurrenten. Het ving zelfs een verborgen contaminant op in een monster die andere tools misten, een bevinding die later werd bevestigd door onafhankelijke laboratoriumtests.
Een cruciale kracht van het systeem is het vermogen om virussen te verwerken die zo verschillend zijn van bekende virussen dat ze helemaal niet in standaard databases voorkomen. In een strikte test waarbij de onderzoekers hele virusfamilies uit de referentielibary van het systeem verwijderden, slaagde de machine learning-component er nog steeds in om ze te detecteren. Het herkende de virale patronen op basis van zijn training en herstelde de genetische sequenties van deze "nieuwe" virussen met een hoge nauwkeurigheid. Dit suggereert dat het systeem dreigingen kan opsporen die nog niet door de wetenschap zijn gecatalogiseerd, een capaciteit die essentieel is voor pandemische paraatheid.
De onderzoekers hebben dit hulpmiddel gratis beschikbaar gesteld aan het publiek, waardoor iedereen het kan gebruiken via een webinterface zonder dat daar dure computers of gespecialiseerde training voor nodig is. Door het complexe proces van het scheiden van echte virale signalen van achtergrondruis te automatiseren, biedt ViroNEXT een praktische manier om de detectie en het begrip van virale infecties te verbeteren. Het vindt niet alleen meer virussen; het vindt de juiste virussen, waardoor wetenschappers en artsen een duidelijker beeld krijgen van de onzichtbare wereld die onze gezondheid beïnvloedt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.