DeepNeuropePred:一个强大的和通用的工具,通过蛋白质语言模型来预测神经前体的分裂部位
Lei Wang1,2, Zilu Zeng3, Zhidong Xue1,4
1Institute of Medical Artificial Intelligence, Binzhou Medical University, Yantai, Shandong 264003, China.
Computational and structural biotechnology journal
|January 5, 2024
概括
DeepNeuropePred是一种新的深度学习方法,可以准确地预测神经从前体蛋白质的分离部位. 这种方法改进了现有的模型,为神经研究在各种物种中提供了更高的准确性.
科学领域:
- 生物化学 生物化学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 神经调节关键的生物功能,包括生长,学习,记忆,新陈代谢和神经元分化.
- 目前用于从前体蛋白中预测神经裂部位的现有方法受到小数据集和简单模型的限制.
- 目前还缺乏一种通用,跨物种的方法来预测神经裂部位.
研究的目的:
- 开发一种新,准确和通用的深度学习模型,用于预测前体蛋白中的神经裂部位.
- 与现有方法相比,提高神经前体的预测准确度.
- 为研究人员提供一个用户友好的Web服务器,以利用开发的预测工具.
主要方法:
- 提出了DeepNeuropePred,这是一个深度学习模型,结合了预先训练的语言模型和卷积神经网络 (CNN) 来进行特征提取.
- 利用深度学习来提取特征,并从前体序列中预测神经裂部位.
- 在独立数据集上对来自NeuroPred服务器的既定模型进行模型性能评估.
主要成果:
- DeepNeuropePred获得了最高的曲线下面积 (AUC) 评分,为0.916.
- 该模型表现出卓越的性能,在AUC得分方面表现比现有方法高6.9%至10.9%.
- 与哺乳动物 (0.857),昆虫 (0.850),软体动物 (0.842) 和Motif (0.826) 模型相比,人们注意到了性能改善.
结论:
- DeepNeuropePred提供了一种强大而准确的深度学习方法,用于预测神经裂部位.
- 该模型的高性能和跨物种适用性解决了以前方法的局限性.
- 提供了一个Web服务器,以促进研究社区更广泛地访问和应用DeepNeuropePred工具.
