近日，公司关于COVID-19重症风险预测的研究在期刊Scientific Reports上发表。该研究通过整合SARS-CoV-2基因组序列及患者临床信息，利用机器学习方法构建了高精度预测模型，为COVID-19重症患者的早期识别提供了有力工具。

这项研究由太阳成集团的门可教授团队完成，他们通过从全球共享数据库（GISAID）获取了超过160万条SARS-CoV-2全基因组序列及患者信息，利用这些数据构建了COVID-19重症风险预测模型。研究团队采用了随机森林、极端梯度提升（XGBoost）、轻量级梯度提升机（LightGBM）和高斯过程提升（GPBoost）四种机器学习方法，并通过集成学习进一步提高了预测精度。

图1 基于SARS-CoV-2基因组多样性的COVID-19重症风险预测研究框架

研究结果表明，该集成模型在全球测试数据集上取得了F-score为88.842%、AUC为0.956的优异表现。此外，研究还识别了包括患者年龄、性别、疫苗接种状态以及SARS-CoV-2基因组中超过40个氨基酸位点突变特征在内的多个对COVID-19病情严重程度有显著影响的因素。

值得注意的是，该研究在模型构建过程中充分考虑了SARS-CoV-2基因组的多样性，通过提取氨基酸位点特征、优化模型参数及集成模型，显著提高了预测准确性。此外，研究还采用了SHAP（Shapley Additive exPlanes）方法对模型进行可解释性分析，量化了不同特征对预测结果的影响，为模型的广泛应用提供了有力支持。

图2 全球以及各大洲预测模型的测试结果ROC曲线

图3 基于COVID-19患者样本的SHAP力图（a）轻症患者和（b）重症患者

文章链接： https://www.nature.com/articles/s41598-024-78493-1

（太阳成集团 文图/苗苗 审核/门可 张东宁）