DeepBP:为生物活性预测组合深度学习策略

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
• 酸科学 酸科学

背景情况:

• 生物活性是调节生理过程,免疫反应和表现出抗菌作用的关键分子.
• 它们的重要作用推动了药物开发,食品科学和生物技术中的应用.
• 了解机制是新药发现和疾病治疗的关键.

研究的目的:

• 开发一种准确有效的方法来预测生物活性.
• 增强血管酶转化酶 (ACE) 抑制和抗癌 (ACP) 的预测.
• 为了提高预测性能,利用集体学习.

主要方法:

• 利用蛋白质语言模型-进化规模建模 (ESM-2) 进行特征提取.
• 采用生成对抗性囊网络 (CapsuleGAN),封闭循环单元 (GRU) 和卷积神经网络 (CNN) 作为基础分类器.
• 通过基于个体模型准确性的加权投票方法实施集体学习.

主要成果:

• 在ACE抑制性数据集上实现了高预测准确性 (平衡准确性0.926,MCC 0.831,AUC 0.966).
• 在抗癌 (ACP) 数据集 (ACC 0.779,MCC 0.558) 上表现强.
• 整体模型在两个数据集上显著优于现有方法.

结论:

• 使用CapsuleGAN,GRU和CNN进行集体学习,有效地预测功能.
• 开发的方法在准确和快速识别ACE抑制和ACP方面取得了重大进展.
• 这项工作为预测其他类型的功能性提供了宝贵的见解,代码和数据公开可用.