Este articulo es un Preprint
Los preprints son informes de investigación preliminares que no han sido certificados por revisión por pares. No deben considerarse para guiar la práctica clínica o los comportamientos relacionados con la salud y no deben publicarse en los medios como información establecida.
Los preprints publicados en línea permiten a los autores recibir comentarios rápidamente, y toda la comunidad científica puede evaluar de forma independiente el trabajo y responder adecuadamente. Estos comentarios se publican junto con los preprints para que cualquiera pueda leer y servir como una revisión pospublicación.
Genome-wide identification and prediction of SARS-CoV-2 mutations show an abundance of variants: Integrated study of bioinformatics and deep neural learning.
Preprint
en En
| PREPRINT-BIORXIV
| ID: ppbiorxiv-445341
Artículo de revista
Un artículo publicado en revista científica está disponible y probablemente es basado en este preprint, por medio del reconocimiento de similitud realizado por una máquina. La confirmación humana aún está pendiente.
Ver artículo de revista
Un artículo publicado en revista científica está disponible y probablemente es basado en este preprint, por medio del reconocimiento de similitud realizado por una máquina. La confirmación humana aún está pendiente.
Ver artículo de revista
ABSTRACT
Genomic data analysis is a fundamental system for monitoring pathogen evolution and the outbreak of infectious diseases. Based on bioinformatics and deep learning, this study was designed to identify the genomic variability of SARS-CoV-2 worldwide and predict the impending mutation rate. Analysis of 259044 SARS-CoV-2 isolates identify 3334545 mutations (14.01 mutations per isolate), suggesting a high mutation rate. Strains from India showed the highest no. of mutations (48) followed by Scotland, USA, Netherlands, Norway, and France having up to 36 mutations. Besides the most prominently occurring mutations (D416G, F106F, P314L, and UTRC241T), we identify L93L, A222V, A199A, V30L, and A220V mutations which are in the top 10 most frequent mutations. Multi-nucleotide mutations GGG>AAC, CC>TT, TG>CA, and AT>TA have come up in our analysis which are in the top 20 mutational cohort. Future mutation rate analysis predicts a 17%, 7%, and 3% increment of C>T, A>G, and A>T, respectively in the future. Conversely, 7%, 7%, and 6% decrement is estimated for T>C, G>A, and G>T mutations, respectively. T>G\A, C>G\A, and A>T\C are not anticipated in the future. Since SARS-CoV-2 is evolving continuously, our findings will facilitate the tracking of mutations and help to map the progression of the COVID-19 intensity worldwide.
cc_by_nd
Texto completo:
1
Colección:
09-preprints
Base de datos:
PREPRINT-BIORXIV
Tipo de estudio:
Cohort_studies
/
Observational_studies
/
Prognostic_studies
Idioma:
En
Año:
2021
Tipo del documento:
Preprint