AMPActiPred:一个三阶段的框架,用于预测抗菌和活动水平与深森林

科学领域:

• 计算生物学是一种计算生物学.
• 发现抗微生物药物发现.
• 生物信息学是一种生物信息学.

背景情况:

• 抗生素耐药性是全球主要的健康问题,推动了对替代抗菌策略的需求.
• 抗微生物 (AMP),包括抗菌 (ABP),显示作为新型治疗药物对抗细菌感染的承诺.

研究的目的:

• 开发AMPActiPred,这是一种用于识别ABP的计算框架,描述它们对各种细菌物种的活性,并预测它们的活动水平.
• 为访问AMPActiPred框架提供一个用户友好的Web界面.

主要方法:

• 采用了三阶段的计算框架,其中包含针对组合和物理化学性质的描述符.
• 采用深森林架构来增强特征处理和预测性能.
• 使用准确性,MCC,GMean和PCC等指标评估性能.

主要成果:

• 在ABP识别中实现了最先进的性能 (准确率:87.6%,MCC:0.742).
• 在10种细菌物种中证明了ABP活动的平衡预测 (平均GMean:82.8%).
• 显示了ABP活动水平的可靠预测 (平均PCC:0.722) 和出色的解释性.

结论:

• AMPActiPred是第一个能够预测ABP目标和活动水平的计算框架.
• 该框架为加速新型抗菌疗法的发现和开发提供了有价值的工具.
• 在https://awi.cuhk.edu.cn/∼AMPActiPred/上提供一个Web界面,以实现更广泛的访问.