Derin öğrenme kullanılarak SARS-CoV-2 ana varyantlarının tespiti

2019 koronavirüs hastalığından (COVID-19) sorumlu olan şiddetli akut solunum sendromu koronavirüs 2 (SARS-CoV-2) dünya çapında yıkıcı bir etki yaptı. Virüsün yüksek mutasyon oranı sayesinde yeni viral varyantları tespit edilmiştir. Bazı SARS-CoV-2 varyantları aşı ve ilacın etkisini azalttığından halk sağlığı için önemli risk oluşturmasına rağmen bazı varyantların sağlık üzerinde çok az etkisi vardır. SARS-CoV-2'nin varyantları, endişe verici varyantlar ve dikkate alınması gereken varyantlar olmak üzere iki bölümde sınıflandırılabilir. Endişe verici varyantlar, aşıların etkisini önemli ölçüde azaltmakta ve ölüm oranını artırmaktadır. Şimdiye kadar B.1.1.7 (Alfa), B.1.351 (Beta), P.1 (Gama), B.1.617.2 (Delta) ve B.1.1.529 ( Omikron) olmak üzere beş ana SARS-CoV-2 varyantı tespit edildi ve bu varyantları diğerlerinden arasından tanımlamak çok önemlidir. C.7 (Lambda) ve B.1.621 (Mu) olan dikkate alınması gereken varyantlar bu çalışmanın kapsamı dışında tutulmuştur. Bu çalışmada, insan genom dizilerinden ana SARS-CoV-2 varyantlarını tespit etmek için Evrişimli Sinir Ağı algoritmasını kullanan bir derin öğrenme yöntemi öneriyoruz. Ayrıca, her SARS-CoV-2 endişe verici varyantına özel primer setleri de tasarlıyoruz. Önerilen yaklaşımda, ilk olarak, SARS-CoV-2 endişe verici varyantlarını ayıran özellikler derin öğrenme kullanılarak çıkarılır. İkinci olarak, önemli özellikler elde etmek için topluluk öznitelik seçimi yöntemi kullanılır. Varyantları tespit etmek için k-en yakın komşu, destek vektör makinesi, rastgele orman ve çok katmanlı algılayıcı olan makine öğrenmesi sınıflandırıcıları uygulanır. Daha sonra her bir endişe verici varyant için elde edilen aday özellikler Primer3Plus'ta analiz edilmiştir. Çalışmanın sonunda, SARS-COV-2 endişe verici varyantlarını tespit etmek için tasarlanmış primer setleri elde ettik. Primerlerin ve probların doğru tasarımı, SARS-CoV-2'nin birçok varyantını teşhis etmek için kritik öneme sahiptir. Önerilen yöntem çok iyi sonuçlar sergilemekte ve varyantları sınıflandırmak için %99,99 doğruluk elde etmektedir. Bu sonuçlar, Covid-19 pandemisi ve gelecekteki olası viral pandemiler boyunca teşhis araçları geliştirmenin önemli olduğunu göstermektedir. Bununla birlikte SARS-CoV-2 endişe verici varyantlarını (özellikle B.1.1.529 varyantı) tespit etmeye yönelik mevcut çalışmaların azlığı çalışmamızın değerini ortaya koymaktadır.