混合深度学习技术用于对乳腺癌疾病的COX-2抑制生物活性检测
Sahebrao B Pawar1, N K Deshmukh1, Sharad B Jadhav1
1School of Computational Sciences, Swami Ramanand Teerth, Marathvada University, Nanded, India.
Biomedical engineering letters
|November 8, 2024
概括
这项研究引入了一种混合深度学习方法,用于检测乳腺癌中循环氧化酶-2 (COX-2) 抑制. 该技术准确地识别出潜在的抗癌化合物,有助于乳腺癌药物发现.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 循环氧化酶-2 (COX-2) 在乳腺癌瘤生长中起作用.
- 准确检测COX-2抑制对于开发向疗法至关重要.
- 现有的方法在识别生物活性化合物的过程中可能缺乏效率.
研究的目的:
- 开发一种高效准确的技术来检测COX-2抑制生物活性.
- 为了确定潜在的抗癌化合物用于乳腺癌治疗.
- 通过改进的药物发现工具,推进乳腺癌治疗.
主要方法:
- 利用UNet架构进行增强的功能提取.
- 采用修改的群优化 (MCSO) 算法来优化功能和减少维度.
- 实施了改进的Laguerre神经网络 (ILNN) 来对COX-2抑制生物活性进行分类.
- 使用ChEMBL数据库验证了方法.
主要成果:
- 拟议的混合深度学习方法在检测COX-2抑制生物活性方面表现出高准确性.
- 使用包括准确性,精度,回忆,F-测量,MCC和子系数在内的指标来评估性能.
- 对比分析显示了该方法与当代技术相比的有效性.
结论:
- 混合深度学习方法在准确检测COX-2抑制生物活性方面取得了重大进展.
- 这种方法显示出强大的潜力,作为乳腺癌药物发现的宝贵工具.
- 这些发现支持开发针对COX-2的新型抗癌化合物.
