MLAFP-XN:利用神经网络模型开发抗真菌鉴定工具
Md Fahim Sultan1, Md Shazzad Hossain Shaon1, Tasmin Karim1
1Department of Computer Science and Engineering, Daffodil International University, Daffodil Smart City (DSC), Birulia, Savar, Dhaka, 1216, Bangladesh.
Heliyon
|September 26, 2024
概括
这项研究介绍了MLAFP-XN,一种用于识别活性抗真菌 (AFP) 的神经网络工具. 这种方法可以准确检测抗真菌,有助于开发具有最小宿主毒性的新抗真菌药物.
科学领域:
- 生物技术是生物技术.
- 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:
- 传染性真菌对全球健康构成越来越大的威胁.
- 抗真菌 (AFP) 提供了一种有希望的策略,以低宿主毒性针对性地消除真菌病原体.
- 准确识别治疗性AFP对于有效的抗真菌药物开发至关重要.
研究的目的:
- 提出MLAFP-XN,一种基于神经网络的新策略,用于在测序数据中准确检测活性抗真菌 (AFP).
- 通过整合多种特征提取和选择技术来增强AFP识别方法.
- 开发一种计算工具,以加快新型抗真菌剂的发现.
主要方法:
- 使用了八种特征提取技术与XGB特征选择策略相结合.
- 评估了总共24种分类模型,以确定最有效的AFP检测模型.
- 开发了一个基于神经网络的策略 (MLAFP-XN) 来分析测序数据.
主要成果:
- 在独立测试组中,MLAFP-XN策略表现出卓越的准确性,得分为97.93%,99.47%和99.48%.
- 开发的模型在抗真菌识别方面显著优于现有的最先进方法.
- 使用SHAP分析识别了影响AFP识别的关键特征.
结论:
- MLAFP-XN提供了一种高度准确和高效的方法来识别活性抗真菌.
- 这种方法有助于开发新的,有针对性的抗真菌疗法.
- 开发了一个伴随网站,以展示AFP认可过程及其有影响力的属性.
