ANPS:基于机器学习的服务器,用于识别植物中的反营养蛋白
Sanchita Naha1, Sarvjeet Kaur2, Ramcharan Bhattacharya2
1Division of Computer Applications, ICAR-Indian Agricultural Statistics Research Institute, Pusa, New Delhi, 110012, India.
Functional & integrative genomics
|October 25, 2024
概括
这项研究引入了一种机器学习工具,用于识别植物中的反营养蛋白,这对于改善作物的营养吸收至关重要. 开发的在线服务器ANPS准确地预测了这些因素,有助于粮食安全工作.
科学领域:
- 农业科学 农业科学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 农作物中的反营养因素阻碍了人类对必需的维生素和矿物质的吸收.
- 常见的抗营养素包括沙素,素,乳素和植物酸盐.
- 目前还缺乏用于识别植物抗营养蛋白的计算工具.
研究的目的:
- 开发一种计算方法来区分编码抗营养因素的植物蛋白与编码必需营养素的植物蛋白.
- 创建一个可靠的预测模型来识别植物特异性的反营养因子蛋白.
主要方法:
- 采用机器学习算法来分析蛋白质序列和识别组成特征.
- 利用极端梯度提升,支持矢量机,随机森林和适应性提升用于模型训练.
- 通过五倍交叉验证验证模型性能.
主要成果:
- 极端梯度增强实现了94.34%的AUC-ROC和94.13%的AUC-PR的五倍交叉验证性能.
- 提出的方法在预测植物特异性抗营养因子蛋白中表现出高可靠性.
- 超过了其他经过测试的机器学习方法.
结论:
- 开发的计算方法对于在植物中识别反营养因子蛋白非常有效.
- 预测模型已经集成到一个名为ANPS的可访问的在线服务器中.
- 在https://nipb-bi.icar.gov.in上免费提供ANPS,以帮助研究人员.
