ACP-CapsPred:基于囊网络的抗癌的识别和功能预测的可解释的计算框架
Lantian Yao1,2, Peilin Xie1,2, Jiahui Guan1,3
1Kobilka Institute of Innovative Drug Discovery, School of Medicine, The Chinese University of Hong Kong, 2001 Longxiang Road, Shenzhen 518172, China.
Briefings in bioinformatics
|September 18, 2024
概括
一个新的计算框架,ACP-CapsPred,准确地识别了抗癌 (ACP) 和它们的癌症特异性功能. 这种in silico方法加速了用于癌症治疗的新治疗方法的发现.
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:
- 癌症对全球健康构成重大威胁,需要新的治疗策略.
- 抗癌 (ACP) 为癌症治疗提供了一个有希望的途径.
- 在 silico 方法提供了有效的工具来识别和表征治疗性.
研究的目的:
- 开发和验证一个计算框架,ACP-CapsPred,用于准确识别和功能性特征ACP.
- 利用先进的机器学习,特别是囊网络,来预测非洲和非洲国家和地区的活动.
- 增强对ACP在各种癌症类型中的功能作用的理解.
主要方法:
- 整合蛋白质语言模型,进化信息和物理化学性质,以进行全面的型分析.
- 囊网络的应用,下一代神经网络架构,用于预测建模.
- 一个两阶段的框架,用于不同的识别和功能表征任务.
主要成果:
- 在基准数据集上,ACP-CapsPred实现了高准确性 (高达95.71%) 和F1分数 (高达95.90%) 在识别ACP方面.
- 该框架在五种癌症类型的ACP功能活动的表征方面表现出强的表现,平均准确率为90.75%和F1评分为91.38%.
- ACP-CapsPred提供了可解释性,识别了关键区域和残留物,这些残留物对抗癌活性至关重要.
结论:
- ACP-CapsPred是一个最先进的计算工具,用于加速抗癌的发现和开发.
- 该框架为ACP在不同癌症的功能机制提供了有价值的见解.
- 这项研究强调了将先进的计算方法集成到生物序列分析和治疗开发中的潜力.
