混合变压器-CNN模型用于准确预测的溶血潜力
Sultan Almotairi1,2, Elsayed Badr3,4, Ibrahim Abdelbaky5
1Department of Computer Science, Faculty of College of Computer and Information Sciences, Majmaah University, 11952, Majmaah, Saudi Arabia.
Scientific reports
|June 20, 2024
概括
这项研究引入了一种新的计算方法,使用卷积神经网络 (CNN) 和变压器来准确预测的溶血潜力. 这种方法表现出卓越的性能,有助于体设计和药物开发.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 血液溶解是生物医学和制药应用中的关键因素.
- 精确预测血解潜力对于的设计和药物开发至关重要.
- 现有的计算方法需要改进,以便精确地预测血溶性活动.
研究的目的:
- 开发和评估一种先进的计算方法,用于预测的溶血潜力.
- 为了利用CNN和变压器的模式识别能力,提高预测准确度.
- 将拟议方法的有效性与现有的计算技术进行比较.
主要方法:
- 卷积神经网络 (CNN) 和变压器与注意力机制的集成.
- 在三个不同的序数据集上训练模型:RNN-Hem,Hlppredfuse和Combined.
- 使用马修斯相关系数 (MCC) 来量化预测性能.
主要成果:
- 拟议的CNN变压器模型在所有测试的数据集中表现出卓越的性能.
- 取得了0.5962 (RNN-Hem),0.9111 (Hlppredfuse) 和0.7788 (组合) 的令人印象深刻的MCC值.
- 在预测血溶性活动方面表现优于现有的方法.
结论:
- 综合CNN-变压器方法是预测血液溶解潜力的强大工具.
- 这种方法在指导实验性体设计和加速药物开发方面具有重大前景.
- 强调了深度学习架构在生物信息学和治疗研究中的潜力.
