MVIL6:使用多视图特征学习方法准确识别IL-6诱导的
Ruheng Wang1, Yangfan Feng1, Meili Sun2
1School of Software, Shandong University, Jinan, China; Joint SDU-NTU Centre for Artificial Intelligence Research (C-FAIR), Shandong University, Jinan, China.
International journal of biological macromolecules
|June 16, 2023
概括
研究人员开发了MVIL6,这是一种深度学习模型,用于预测诱导IL-6 (IL-6) 的. 这种计算方法为IL-6研究的传统实验提供了一种经济有效的替代方案.
科学领域:
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
- 免疫学 免疫学 免疫学
背景情况:
- 介乐-6 (IL-6) 是一种关键的细胞因子,涉及到许多疾病,使IL-6诱导的成为重要的治疗标.
- 鉴定IL-6诱导的传统实验方法昂贵且耗时.
- 对的计算预测为加速IL-6研究和药物发现提供了一个有希望的途径.
研究的目的:
- 开发和验证一种新的深度学习模型MVIL6,用于准确预测IL-6诱导.
- 提高效率并降低与识别IL-6相关相关的成本.
- 通过模型可解释性,提供对IL-6诱导的分子决定因素的见解.
主要方法:
- 使用深度学习架构,集成预训练的蛋白质语言模型 (MG-BERT) 和变压器模型.
- 采用了两种不同的基于序列的描述器来捕获不同的特性.
- 实施了融合模块,以协同结合来自不同模型和描述者的信息,通过废弃研究进行验证.
主要成果:
- 与现有方法相比,MVIL6模型表现出卓越的预测性能和稳定性.
- 废弃实验证实了拟议的融合策略在提高预测准确性的有效性.
- 模型解释性分析成功可视化了影响IL-6诱导预测的关键氨基酸.
结论:
- MVIL6提供了一种强大而高效的计算工具,用于预测IL-6诱导.
- 该模型在病毒蛋白中识别潜在的IL-6诱导的能力,例如SARS-CoV-2尖端蛋白,突出了其广泛的适用性.
- MVIL6为加速IL-6研究和开发新疗法提供了宝贵的资源.


