SAMP:通过基于比例分割氨基酸组成的集体学习模型识别抗菌
Junxi Feng1, Mengtao Sun2, Cong Liu3
1Department of Biostatistics, Harvard School of Public Health, Boston, MA, United States, 02115.
bioRxiv : the preprint server for biology
|May 7, 2024
概括
耐药性感染构成重大威胁,需要使用新型抗生素. 一个新的计算模型,SAMP,通过利用先进的序列特征来提高预测准确度来增强抗菌 (AMP) 的发现.
科学领域:
- 计算生物学是一种计算生物学.
- 生物化学 生物化学
- 传染病 传染病 传染病
背景情况:
- 抗菌素耐药性 (AMR) 是日益严重的全球健康危机,预计到2050年每年会造成1000万人的死亡.
- 抗微生物 (AMP) 是先天免疫系统的关键组成部分,具有针对耐药病原体的广泛活性.
- 目前用于AMP发现的计算方法通常无法完全捕获复杂的序列信息.
结论:
- SAMP在计算AMP发现方面取得了重大进展,解决了以前方法的局限性.
- 该模型利用新型序列特征的能力导致更准确的预测.
- 一个免费可用的Python软件包促进了SAMP在抗菌研究中的采用和应用.
更多相关视频
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.8K
09:09Semi-Quantitative Analysis of Peptidoglycan by Liquid Chromatography Mass Spectrometry and Bioinformatics
Published on: October 13, 2020
4.3K
