Developing Foundation Models for Predicting Viral Animal Host Range in Intelligent Surveillance
Notice bibliographique
Résumé
Abstract Emerging human infectious viruses originating from animals continue to pose a persistent threat to global public health. Understanding the host range of animal viruses is crucial for identifying potential spillover pathways and mitigating the risk of future pandemics. Here, we present VirHRanger, a prediction method that integrates foundation models trained on viral genome and protein sequences, alongside genomic and protein compositional traits, viral phylogeny, and protein-protein interactions. To systematically predict the animal host range, VirHRanger incorporates host taxonomy-aware neural networks trained on a comprehensive collection of animal-virus associations spanning mammals, birds, and arthropods. Within a dataset of 4,006 virus species spanning 99 viral families, our model achieved robust performance with a micro-averaged AUROC of 0.938 across all host categories, demonstrating its effectiveness in capturing generalizable host signals from viral genetic data. On a dataset of 315 novel viruses, which are associated with key reservoir animal hosts and insect vectors, VirHRanger notably outperformed the homology-based method, exhibiting a strong generalizability to novel viruses. Furthermore, VirHRanger identified host range variations among closely related viruses within the Coronaviridae family and successfully predicted the ability of SARS-CoV-2 to infect humans and other animal hosts. These findings highlight the potential of VirHRanger to transform sequencing data into timely insights for disease control during the early stages of zoonotic outbreaks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».