DeepAIPs-SFLA:SFLAアプローチによるノベルマルチビューディスクリプターのバイナリパターン分解を用いた抗炎症ペプチドの予測のためのディープコンボリューションモデル
Shahid Akbar1,2, Ali Raza3, Wajdi Alghamdi4
1Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 610054, China.
ACS omega
|August 25, 2025
まとめ
新しいディープラーニングモデルであるDeepAIPs-SFLAは,抗炎症ペプチド (AIPs) を正確に予測します. このコンピューティングツールは 進化的および構造的なペプチド特性を統合することで 炎症性疾患の薬剤発見を強化します
科学分野:
- 計算生物学
- 免疫学
- 薬物の発見
背景:
- 炎症は重要な免疫反応ですが 慢性的な炎症は重篤な病気を引き起こします
- 抗炎症ペプチド (AIP) は,選択性および最小の副作用により治療効果が期待されます.
- 既存の計算式AIP予測器は,内部シーケンス,構造,および進化情報を欠いている.
研究 の 目的:
- 抗炎症ペプチドの正確な予測のための新しいディープラーニングモデル"DeepAIPs-SFLA"を開発する.
- 進化的および構造的なペプチド特性を統合するために,高度な画像ベースのエンコーディングを使用します.
- 潜在的抗炎症ペプチド治療法を特定するための既存の計算方法を改善する.
主な方法:
- 2D構造 (RECM) と進化 (PSSM) 画像に変換されたペプチド配列.
- 局所バイナリーパターン (LBP) とコンプリートされた局所バイナリーパターン (CLBP) をテクスチャーディスクリプターに利用した.
- ディープ・レジデュアル・コンボリュショナル・ニューラル・ネットワーク (RCNN) 訓練のためのシャッフル・フログ・ジャンピング・アルゴリズム (SFLA) を用いた統合機能と選択された最適機能.
主要な成果:
- DeepAIPs-SFLAモデルは97.04%の予測精度と,トレーニングシーケンスで0.98のAUCを達成しました.
- 独立データセット (Ind-426とInd-1049) の精度が,既存の予測値と比較して,それぞれ13%と2%の大幅な改善を示した.
- 抗炎症ペプチドを予測するためのモデルの強度と汎用性を検証した.
結論:
- DeepAIPs-SFLAは抗炎症ペプチドを特定するための強力な計算方法を提供します.
- 多様なシーケンスと構造情報を統合することで 予測の精度が向上します
- このツールは 炎症性疾患の研究を進めて 薬の発見を加速させる可能性を秘めています
さらに関連する動画
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
2.0K
06:19Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
Published on: August 16, 2024
527
