2022 年 6 月MIT 和哈佛的科学家们在《科学》杂志发表了一篇论文通过新冠病毒的基因来预测其传染性并定位对传染性起关键作用的基因变异点。他们的模型采用了贝叶斯逻辑回归。简单地说这一模型包括一个线性预测器加上一个非线性变换输出结果是病毒的传染能力。我们将这一模型称为 M-H 模型。为了构造M-H 模型科学家们首先从 GISAID 数据库中得到 600 多万条基因序列涵盖 1560 个地区32 个时间段2 个星期一个时间段。然后以 PANGO 命名为基础共划分出 3000 个类型并将基因序列的变异情况输入模型同时将地区和时段作为条件变量预测已知 3000 类病毒的传播速度。图:M-H 模型构造过程模型训练完成以后可以得到每种病毒的增长率也可以得到每个基因位点变异的重要性。基于这些信息科学家们就能做出很多重要预测。
人工智能应用- 预测新冠病毒传染性:06. M-H 模型:从基因预测传播能力
2022 年 6 月MIT 和哈佛的科学家们在《科学》杂志发表了一篇论文通过新冠病毒的基因来预测其传染性并定位对传染性起关键作用的基因变异点。他们的模型采用了贝叶斯逻辑回归。简单地说这一模型包括一个线性预测器加上一个非线性变换输出结果是病毒的传染能力。我们将这一模型称为 M-H 模型。为了构造M-H 模型科学家们首先从 GISAID 数据库中得到 600 多万条基因序列涵盖 1560 个地区32 个时间段2 个星期一个时间段。然后以 PANGO 命名为基础共划分出 3000 个类型并将基因序列的变异情况输入模型同时将地区和时段作为条件变量预测已知 3000 类病毒的传播速度。图:M-H 模型构造过程模型训练完成以后可以得到每种病毒的增长率也可以得到每个基因位点变异的重要性。基于这些信息科学家们就能做出很多重要预测。