疫苗-DL:一种基于深度学习的疫苗设计和评估方法
Yuhan Zhang1, Anthony Huffman2, Justin Johnson1
1Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, USA.
bioRxiv : the preprint server for biology
|December 11, 2023
概括
我们开发了Vaxign-DL,这是一种用于识别细菌疫苗候选人的深度学习工具. 这种计算方法实现了高精度,在预测保护性抗原方面超过了以前的方法.
科学领域:
- 计算生物学是一种计算生物学.
- 疫苗的研发工作正在进行中.
- 生物信息学是一种生物信息学.
背景情况:
- 反向疫苗学 (RV) 系统地从蛋白质序列中识别疫苗候选人.
- 机器学习 (ML) 提高了VR中的预测准确性.
- 之前的工作建立了使用 eXtreme Gradient Boosting (XGBoost) 的Vaxign-ML.
研究的目的:
- 开发Vaxign-DL,这是一款用于预测细菌疫苗候选人的新型深度学习 (DL) 程序.
- 评估Vaxign-DL与现有方法的性能.
- 为了利用深度神经网络来改进计算疫苗设计.
主要方法:
- 开发一个三层完全连接的神经网络模型 (Vaxign-DL).
- 使用的细菌疫苗候选人培训数据与Vaxign-ML.一致.
- 为了严格的测试,雇员休假一病原体排除验证 (LOPOV).
主要成果:
- 疫苗-DL实现了0.94的接收器操作特征下的面积,0.99的特异性,0.74的灵敏性和0.96.96的准确性.
- 该模型使用LOPOV.成功预测了10种病原体的疫苗候选者.
- 疫苗-DL在预测细菌保护性抗原方面表现与疫苗-ML相当,并且在预测细菌保护性抗原方面表现优于Vaxi-DL.
结论:
- 深度学习为计算疫苗设计提供了一种强大,数据驱动的方法.
- 疫苗-DL在识别有效的细菌疫苗候选人的过程中取得了重大进展.
- 该研究强调了DL在加速疫苗开发管道中的潜力.
