HemoDL:由来自Rich序列和变压器增强信息的双组合引擎预测血溶性
1School of Computer Science and Artificial Intelligence Aliyun School of Big Data School of Software, Changzhou University, Changzhou, 213164, China; The Affiliated Changzhou No.2 People's Hospital of Nanjing Medical University, Changzhou, 213164, China.
Analytical biochemistry
|March 29, 2024
概括
我们开发了HemoDL,这是一个准确的模型来预测溶血性,这会导致红细胞破裂. 该工具通过有效识别这些来加速蛋白质组学和组学研究.
科学领域:
- 生物化学 生化学
- 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:
- 溶血性会破裂红细胞膜,需要有效的识别方法.
- 目前实验室内识别速度缓慢且劳动密集,阻碍了研究进展.
- 高通量预测对于推进蛋白质组学和组学至关重要.
研究的目的:
- 开发一个准确的,高通量计算模型来预测血溶性活性.
- 为了确定最有效的序列编码特征用于血液溶解活动预测.
- 将新型模型的性能与现有最先进的方法进行比较.
主要方法:
- 使用双重LightGBM框架开发了HemoDL集合学习模型.
- 在四个基准数据集中评估了17个不同的序列编码特性.
- 将HemoDL的性能与八种已知的计算方法进行比较.
主要成果:
- HemoDL准确地预测了溶血性的活性,超过了现有的模型.
- CTD,BPF,Charge,AAC,GDPC,ATC,QSO以及基于变压器的功能对预测的准确性作出了重大贡献.
- 在四个测试数据集中实现了卓越的马修斯相关系数值,改进率从4.76%到16.04%不等.
结论:
- HemoDL模型提供了一个非常准确和高效的方法来预测溶血性.
- 该模型利用关键序列特征和强大的合体学习框架.
- 一个用户友好的图形界面是可用的,促进更广泛的研究应用.
