利用统计分布采样（SDS）技术预测HIV-1对广谱中和抗体的敏感性

《BMC Bioinformatics》：Prediction of HIV-1 sensitivity to broadly neutralizing antibodies using statistical distribution sampling (SDS) technology

　　

摘要

准确预测HIV-1对广谱中和抗体（bNAbs）的敏感性是推进针对HIV-1的有效治疗和预防策略开发的关键步骤。由于该病毒具有极高的遗传多样性和快速的突变率，传统的实验方法在评估bNAb敏感性方面既费时又费力，且可扩展性有限。然而，当前的机器学习方法在处理多实验室数据集时往往过于关注特征的重要性，而忽视了类别不平衡和系统偏差问题。为了解决这些限制，我们开发了统计分布采样（SDS）方法，这是一种能够系统地解决数据不平衡和跨机构差异的新统计框架。首先，通过k-string方法将氨基酸序列转换为数值向量。然后根据IC50/IC80阈值将抗体分类为有效或无效，并选择分层随机子集作为采样生成器。通过直方图分析和核密度估计来描述每个向量维度的分布特征。随后，从每个类别的分布中抽取500个数据点。组装好的统计分布采样（SDS）矩阵整合了各列的特征，结合采样生成器后形成最终的训练数据集。最终通过与随机森林算法的集成来生成抗体效能预测结果。这种方法能够全面预测所有数据库序列，并展现出强大的预测性能。通过对每种抗体进行10次独立实验，我们的方法在AUC和ACC性能上均优于LBUM和SLAPNAP基准方法。此外，我们的方法在10次运行中的标准差显著低于这两种方法，证明了其在不同抗体场景下的一致性稳健性。