TY -的A2 -米切尔,约翰•夏盟——Yuan-Ling AU -李,华盟-李、永平盟- Ji Xing-Lai AU - Fu Yun-Xin盟——刘Shu-Qun PY - 2021 DA - 2021/10/16 TI -深度学习的方法预测抗原变异的流感病毒H3N2 SP - 9997669六世- 2021 AB -建模在H3N2流感(猪流感)病毒抗原变异使用氨基酸序列是一种很有前途的方法提高疫苗的免疫效果的预测精度和增加疫苗筛选的效率。抗原漂移和抗原跳/转变,这源于突变的积累与小型或中等效果和从一个主要突变大影响乙肝表面抗原血凝素(HA),分别是两种类型的流感病毒的抗原变异促进免疫逃避,使它具有挑战性的预测新病毒株的抗原特性。尽管有相当大的进步在建模抗原变异氨基酸序列的基础上,很少有研究关注深度学习框架,它可能是最适合适用于这个任务。在这里,我们提出一种新颖的深度学习的方法,集成了一个卷积神经网络(CNN)和双向long-short-term内存(BLSTM)神经网络预测抗原变异。在这种方法中,CNN提取复杂的氨基酸,而本地上下文BLSTM神经网络抓住了长途序列信息。与现有的方法相比,我们的深度学习方法达到的最高预测整体性能验证数据集,更令人鼓舞的是,实现预测协议99.20%和96.46%的菌株在即将到来的年,在未来两年包含在一组现有的按时间顺序排列的氨基酸序列,分别。这些结果表明,我们的深度学习的方法是承诺适用于H3N2流感病毒的抗原变异预测。SN - 1748 - 670 - 2021/9997669 / 10.1155 x你——https://doi.org/10.1155/2021/9997669——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER