捕获:具有独特的氨基酸序列编码器的全面抗癌预测器
Hina Ghafoor1, Muhammad Nabeel Asim2, Muhammad Ali Ibrahim1
1Department of Computer Science, Rhineland-Palatinate Technical University of Kaiserslautern-Landau, Kaiserslautern, 67663, Germany; German Research Center for Artificial Intelligence GmbH, Kaiserslautern, 67663, Germany.
Computers in biology and medicine
|May 17, 2024
概括
一个新的计算工具CAPTURE通过独特编码氨基酸模式来增强抗癌 (ACP) 的发现. 这种方法提高了新型癌症疗法的分类准确性和功能注释.
科学领域:
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
- 药物发现 药物发现
背景情况:
- 抗癌 (ACP) 由于其有效性和低毒性,对癌症治疗有希望.
- 现有的ACP计算预测器往往无法捕捉不同的氨基酸分布模式.
- 需要改进的方法来分类ACP和注释其功能类型.
研究的目的:
- 开发一种新的计算编码器,用于将序列转换为信息统计向量.
- 为了提高抗癌 (ACP) 分类和功能类型注释的准确性和效率.
- 改善基于的新型癌症疗法的发现和开发.
主要方法:
- 开发了CARE编码器来提取四种不同的氨基酸分布模式:相关性,分布,组成和过渡.
- 在公共基准数据集上使用内在和外在评估设置评估编码器的性能.
- 整合了CARE编码器与机器学习分类器,包括Adaboost,以创建CAPTURE预测器管道.
主要成果:
- 与现有的55个编码器相比,CARE编码器显著提高了12个机器学习分类器的性能.
- 内在评估表明,CARE编码器为ACP和非ACP国家产生了更具歧视性的集群.
- 在ACP分类中,CAPTURE预测器实现了卓越的准确性,回忆和MCC分数,并在功能类型预测中超越了最先进的方法.
结论:
- CARE编码器代表了计算生物学序列表示的独特进步.
- CAPTURE预测管道为加速抗癌的发现和开发提供了一个强大的工具.
- 开发的网络应用程序为基于的癌症治疗领域的研究人员提供了可访问的资源.
