SARS-CoV-2 ORF8 sequence conservation and mutational analysis — insight into the influence of dataset size on identifying top mutations
Notice bibliographique
Résumé
Abstract Given how quickly the SARS-CoV-2 virus mutates, the COVID-19 pandemic has been a major source of concern. The ORF8 accessory protein is one such protein, which is reported to have undergone many mutations. This makes ORF8 an intriguing protein to investigate how these mutations might play a role in overall ORF8 activity. In this study, we have performed conservation and mutational analysis on SARS-CoV- 2 ORF8 protein sequences to identify the conserved and mutated residues. We have also split the ORF8 sequence data into SARS-CoV-2 variant datasets to further identify top mutations across each of them. The mutated and conserved residues were visualised on the available structure of ORF8 to highlight the conserved and mutated sites, which might hold some biological significance. Finally, our study also investigated the significance of sequence dataset size in capturing top mutations following multiple sequence alignments. Author Summary The COVID-19 pandemic was caused by the SARS-CoV-2 virus, which is known to change over time, i.e., it gets mutated, resulting in the generation of different variants. The ORF8 accessory protein of the SARS-CoV- 2 genome is known to undergo these changes more frequently. In our study, we used SARS-CoV-2 ORF8 protein sequences from various variants to identify mutations among them. Furthermore, we have discovered sites that remain unchanged over time, a phenomenon known as conservation. We think that these unchanged and changed sites could be important for biology and studying them will help in understanding the underlying mechanism of how ORF8 interacts with partner proteins based on existing experimental data. Lastly, we have looked at how much sequence data is sufficient for identifying the top mutated sites. Graphical abstract
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 ».