使用随机森林来识别氨基酸的关键物理化学性质,以区分抗癌和非抗癌
Yiting Deng1, Shuhan Ma1, Jiayu Li2
1College of Biomedical Engineering, Sichuan University, Chengdu 610065, China.
International journal of molecular sciences
|July 14, 2023
概括
研究人员通过机器学习确定了19个关键的物理化学特性,用于预测抗癌 (ACP). 这提高了向癌症治疗的设计,提高了效率和特异性.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 抗癌 (ACP) 提供向的癌症治疗,对健康细胞的影响最小.
- 机器学习 (ML) 越来越多地用于预测潜在的ACP序列.
研究的目的:
- 确定用于预测ACP的关键物理化学性质.
- 为了提高设计新型抗癌序列的效率.
主要方法:
- 使用随机森林 (RF) 算法分析四个基准数据集.
- 从氨基酸指数 (AAindex) 库中提取566个物理化学特征.
- 通过光梯度增强机 (LGBM),ANOVA,千二测试 (Chi^2) 和相互信息 (MI) 进行特征选择.
主要成果:
- 鉴定了19种关键氨基酸的物理化学性质,可以预测ACP的功能.
- 用于合并和呈现选定的特征的Venn图.
- 绩效评估指标证实了预测的准确性.
结论:
- 该研究成功地确定了用于预测非洲和非洲国家和地区的关键特征.
- 这一发现可以显著改善基于的癌症治疗的合理设计.
- 在开发新型抗癌疗法方面提高效率.


