Numerous studies demonstrate frequent mutations in the genome of SARS-CoV-2. Our goal was to statistically link mutations to severe disease outcome. We used an automated machine learning approach where 1594 viral genomes with available clinical follow-up data were used as the training set (797 ‘severe’ and 797 ‘mild’). The best algorithm, based on random forest classification combined with the LASSO feature selection algorithm, was employed to the training set to link mutation signatures and outcome. The performance of the final model was estimated by repeated, stratified, 10-fold cross validation (CV) and then adjusted for multiple testing with Bootstrap Bias Corrected CV. We identified 26 protein and Untranslated Region (UTR) mutations significantly linked to severe outcome. The best classification algorithm uses a mutation signature of 22 mutations as well as the patient’s age as the input and shows high classification efficiency with an area under the curve (AUC) of 0.94 [confidence interval (CI): [0.912, 0.962]] and a prediction accuracy of 87% (CI: [0.830, 0.903]). Finally, we established an online platform (https://covidoutcome.com/) that is capable to use a viral sequence and the patient’s age as the input and provides a percentage estimation of disease severity. We demonstrate a statistical association between mutation signatures of SARS-CoV-2 and severe outcome of COVID-19. The established analysis platform enables a real-time analysis of new viral genomes.

中文翻译：

---

COVIDOUTCOME——根据 SARS-CoV-2 基因组中的突变特征估计 COVID 严重程度

大量研究表明 SARS-CoV-2 的基因组经常发生突变。我们的目标是在统计学上将突变与严重的疾病结果联系起来。我们使用了一种自动化机器学习方法，其中 1594 个病毒基因组和可用的临床随访数据被用作训练集（797 个“严重”和 797 个“轻度”）。基于随机森林分类和 LASSO 特征选择算法的最佳算法被用于训练集，以将突变特征和结果联系起来。通过重复、分层、10 倍交叉验证 (CV) 估计最终模型的性能，然后使用 Bootstrap Bias Corrected CV 进行多次测试调整。我们确定了与严重结果显着相关的 26 种蛋白质和非翻译区 (UTR) 突变。最佳分类算法使用 22 个突变的突变特征以及患者的年龄作为输入，并显示出较高的分类效率，曲线下面积 (AUC) 为 0.94 [置信区间 (CI): [0.912, 0.962]] 和预测准确率为 87% (CI: [0.830, 0.903])。最后，我们建立了一个在线平台 (https://covidoutcome.com/)，该平台能够使用病毒序列和患者的年龄作为输入，并提供疾病严重程度的百分比估计。我们证明了 SARS-CoV-2 的突变特征与 COVID-19 的严重结果之间的统计关联。建立的分析平台可以对新的病毒基因组进行实时分析。[0.912, 0.962]]，预测准确率为 87% (CI: [0.830, 0.903])。最后，我们建立了一个在线平台 (https://covidoutcome.com/)，该平台能够使用病毒序列和患者的年龄作为输入，并提供疾病严重程度的百分比估计。我们证明了 SARS-CoV-2 的突变特征与 COVID-19 的严重结果之间的统计关联。建立的分析平台可以对新的病毒基因组进行实时分析。[0.912, 0.962]]，预测准确率为 87% (CI: [0.830, 0.903])。最后，我们建立了一个在线平台 (https://covidoutcome.com/)，该平台能够使用病毒序列和患者的年龄作为输入，并提供疾病严重程度的百分比估计。我们证明了 SARS-CoV-2 的突变特征与 COVID-19 的严重结果之间的统计关联。建立的分析平台可以对新的病毒基因组进行实时分析。我们证明了 SARS-CoV-2 的突变特征与 COVID-19 的严重结果之间的统计关联。建立的分析平台可以对新的病毒基因组进行实时分析。我们证明了 SARS-CoV-2 的突变特征与 COVID-19 的严重结果之间的统计关联。建立的分析平台可以对新的病毒基因组进行实时分析。