Identifying RNA secondary structures in the SARS-CoV-2 viral genome
Notice bibliographique
Résumé
Motivation: SARS-CoV-2 is the virus responsible for the COVID-19 pandemic that currently impacts our world. SARS-CoV-2 is an enveloped, positive sense single stranded RNA virus and like other RNA viruses is known to form RNA secondary structure in its genome. In related viruses the secondary structures are responsible for fulfilling roles including proper expression of viral gene products and possibly regulation of viral genome replication. I hypothesize that SARS-CoV-2 may be capable of forming additional secondary structures beyond what is already known and that those secondary structures are identifiable on the basis of sequence conservation with related RNA viruses. Results: By repurposing and expanding an existing computational pipeline de- signed for the detection of structural RNAs in vertebrates, I identified 40 regions of the SARS-CoV-2 genome highly likely to form secondary structure. Partial re- identification of known secondary structures in the SARS-CoV-2 genome was achieved. To further explore the role these structures may fill, the 9 most conservatively pre- dicted structures were analyzed in wild viral samples collected from three Canadian provinces, and distinct patterns of mutation were observed. The 40 regions identi- fied by my modified pipeline were compared against three contemporary works and the differences between findings were quantified. Lastly, Variants of Concern for SARS-CoV-2 were analyzed for prevalent but poorly reported mutations that may influence RNA secondary structure. Code developed for this work is available at https://github.com/aziesel/MSc.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».