基于注意力机制与集成学习的甲型H5N1流感病毒抗原相似性预测

作者：王迎晖; 李维华^*; 李川; 陈伟; 文俊颖

来源：计算机科学, 2022, 49(S2): 120-125.

• 抗原性相似性
• 甲型流感
• H5N1
• 集成学习
• 注意力机制

甲型流感病毒可能导致季节性流感病毒疫情甚至全球大爆发。流感病毒血凝素蛋白的持续和累积变化会产生新的抗原株，致使疫苗效力降低甚至失效。抗原相似性预测对流感疫情监测和疫苗选择是至关重要的。甲型H5N1病毒源于禽类，可引起人类肺炎和多器官衰竭。针对流感病毒及其抗原特点，设计一个预测病毒抗原相似性的神经网络模型，该模型分别基于K-mer嵌入与位置特异性矩阵表示序列信息并进行融合；在此基础上，设计融合注意力机制的集成深度学习模型用于抗原相似性预测。实验结果表明，相比基准模型，该模型显著提高了模型预测的准确率、精确率、F1值和MCC值。从实验中可以看出该模型具有良好的鲁棒性和扩展性，在抗原相似性预测领域有很好的应用潜力。

• 单位
  云南大学