マルチスケールコンヴォルションニューラルネットワークと残留接続に基づく革新的なペプチド毒性予測モデル
Shengli Zhang1, Jingyi Ren1, Yunyun Liang2
1School of Mathematics and Statistics, Xidian University, Xi'an, 710071, P. R. China.
Bioinformatics (Oxford, England)
|August 22, 2025
まとめ
新しいモデルであるToxMSRCは,高度なAI技術を使用してペプチドの毒性を正確に予測します. このツールは,薬の開発プロセスの初期に潜在的な毒性配列を特定することによって,より安全なペプチド療法を開発するのに役立ちます.
科学分野:
- 計算生物学
- バイオ情報学
- 薬物の発見
背景:
- ペプチドの毒性は治療開発において重大なリスクを持ち,臓器損傷や免疫反応を引き起こす可能性があります.
- ペプチドの毒性の正確な予測は,薬物の安全性と有効性を確保するために不可欠です.
研究 の 目的:
- ペプチドの毒性を予測するための新しい計算モデルを開発する.
- 薬の開発におけるペプチド毒性評価の正確性と信頼性を向上させる.
主な方法:
- 単語の連続バッグ (CBOW),合成マイノリティーオーバーサンプリング技術 (SMOTE),多スケールコンボリューションニューラルネットワーク (CNN),双方向の長期短期記憶 (BiLSTM) を組み合わせたハイブリッドアプローチを使用した.
- モデルの一般化を強化し,オーバーフィッティングを防ぐために残留接続を実装した.
- 陽性のサンプルを増やすことでデータ不均衡の問題が解決されました.
主要な成果:
- ToxMSRCモデルは,独立テスト1で92. 17%,独立テスト2で86. 89%のBACCスコアで高い予測性能を達成しました.
- ペプチド毒性の予測において既存の最先端モデルを上回った.
- 配列と毒性の関係についての洞察を提供した.
結論:
- ToxMSRCは,ペプチドの毒性を予測するための堅牢で正確な方法を提供します.
- このモデルは,ペプチドベースの薬の開発における実用的な応用の可能性を明らかにしています.
- オープンソースのコードとデータは,コミュニティの利用とさらなる研究のために利用できます.
