标题： 通过注意力机制解释乙型冠状病毒序列的宿主跳跃潜力 显示英文标题

标题： Towards Interpreting Zoonotic Potential of Betacoronavirus Sequences With Attention

摘要： 当前的病毒发现方法针对进化上保守的蛋白质，这些蛋白质能准确识别病毒家族，但仍然无法区分新发现病毒的跨物种传播潜力。 在这里，我们将一种增强注意力的长短期记忆（LSTM）深度神经网络分类器应用于一种高度保守的病毒蛋白靶点，以预测乙型冠状病毒属中病毒的跨物种传播潜力。 该分类器的准确率达到94%。 对序列和结构层面特征的关注分析和可视化表明，可能在控制跨物种乙型冠状病毒病毒复制的重要蛋白质相互作用与跨物种传播之间存在关联。 显示英文摘要

摘要： Current methods for viral discovery target evolutionarily conserved proteins that accurately identify virus families but remain unable to distinguish the zoonotic potential of newly discovered viruses. Here, we apply an attention-enhanced long-short-term memory (LSTM) deep neural net classifier to a highly conserved viral protein target to predict zoonotic potential across betacoronaviruses. The classifier performs with a 94% accuracy. Analysis and visualization of attention at the sequence and structure-level features indicate possible association between important protein-protein interactions governing viral replication in zoonotic betacoronaviruses and zoonotic transmission.