Université de Montréal
Candidat Chercheur(e) invité(e) / Invited researcher
superviseur(e): Timothée Poisot
Amandine Gamble
Début: 2024-09-01
Page personnelle

Projet

L’apprentissage automatique permet une classification génome-agnostique des infections à virus à ARN à partir des transcriptomes de l’hôte
Les tests ciblant les séquences peuvent manquer les virus nouveaux ou divergents. Nous testons si le seul transcriptome de l’hôte peut classifier les infections à virus à ARN sans utiliser de séquences virales. En utilisant des données publiques d’infections de cellules Huh7 et Calu-3 par divers virus à ARN à polarité négative (par ex., H1N1, H5N1, H7N7, H7N9, EBOV, MARV, NiV, RVFV, RSV, SFSV, LASV), nous évaluons deux ensembles de caractéristiques dérivées de l’hôte — l’expression différentielle des gènes et les spectres de k-mers sans alignement — et comparons le clustering hiérarchique aux forêts aléatoires. À travers différents jeux de données et points temporels (12–24 hpi), les forêts aléatoires distinguent avec précision les classes virales, y compris dans des contextes où le clustering non supervisé fusionnait les échantillons infectés et témoins. Des contrôles avec permutation des étiquettes et mélange des lectures ont confirmé la non-randomité des performances ; l’appauvrissement en lectures virales réduisait la séparabilité des clusters alors que la classification restait au-dessus du hasard ; et l’enrichissement en lectures virales améliorait les deux. Les infections par les virus influenza A présentaient les signatures les plus fortes et distinctes, tandis que les réponses à EBOV et LASV étaient plus subtiles mais néanmoins classifiables. Ces résultats montrent que les transcriptomes de l’hôte seuls codent des signaux non linéaires spécifiques aux virus que l’apprentissage automatique peut exploiter, permettant une classification indépendante du génome. Cette approche pourrait aider au triage précoce des flambées lorsque les amorces échouent ou que les génomes sont inconnus, et complète la découverte basée sur les séquences.

Publications

1- Pathogenicity and virulence of henipaviruses
Kaza, Benjamin, Hector C. Aguilar
2023 Virulence

2- Rapid protection of nonhuman primates against Marburg virus disease using a single low-dose VSV-based vaccine
O'Donnell, Kyle L., Friederike Feldmann, Benjamin Kaza, Chad S. Clancy, Patrick W. Hanley, Paige Fletcher, Andrea Marzi
2023 eBioMedicine

3- Multivalent viral particles elicit safe and efficient immunoprotection against Nipah Hendra and Ebola viruses
Ithinji, Duncan G., David W. Buchholz, Shahrzad Ezzatpour, I. Abrrey Monreal, Yu Cong, Julie Sahler, Amandip Singh Bangar, Brian Imbiakha, Viraj Upadhye, Janie Liang, Andrew Ma, Birgit Bradel-Tretheway, Benjamin Kaza, Yao Yu Yeo, Eun Jin Choi, Gunner P. Johnston, Louis Huzella, Erin Kollins, Saurabh Dixit, Shuiqing Yu, Elena Postnikova, Victoria Ortega, Avery August, Michael R. Holbrook, Hector C. Aguilar
2022 npj Vaccines

4- SARS-CoV-2 reinfection prevents acute respiratory disease in Syrian hamsters but not replication in the upper respiratory tract
Hansen, Frederick, Kimberly Meade-White, Chad Clancy, Rebecca Rosenke, Atsushi Okumura, David W. Hawman, Friederike Feldmann, Benjamin Kaza, Michael A. Jarvis, Kyle Rosenke, Heinz Feldmann
2022 Cell Reports

5- UK B.1.1.7 (Alpha) variant exhibits increased respiratory replication and shedding in nonhuman primates
Rosenke, Kyle, Friederike Feldmann, Atsushi Okumura, Frederick Hansen, Tsing-Lee Tang-Huau, Kimberly Meade-White, Benjamin Kaza, Julie Callison, Matthew C. Lewis, Brian J. Smith, Patrick W. Hanley, Jamie Lovaglio, Michael A. Jarvis, Carl Shaia, Heinz Feldmann
2021 Emerging Microbes & Infections