来自食物蛋白质的 ангиотензин转化酶抑制的序列-活性关系,基于新的深度学习模型
Dongya Qin1, Xiao Liang1, Linna Jiao1
1Key Laboratory of Biorheological Science and Technology, Ministry of Education, College of Bioengineering, Chongqing University, Chongqing 400044, China.
生物信息学方法加快了血管酶转化酶 (ACE) 抑制性 (ACEiPs) 的发现. 一个新的预测器,ACEiPP,利用优化的氨基酸描述器和神经网络,在识别来自食物蛋白质的潜在ACE抑制时实现了高精度.
科学领域:
- 生物技术是生物技术.
- 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:
- 食品衍生的被认为是安全的,天然的药物候选物,具有潜在的血管酶转化酶 (ACE) 抑制活性.
- 识别ACE抑制 (ACEiPs) 的传统实验方法资源密集,需要开发高效的计算方法.
研究的目的:
- 开发一种用于预测ACE抑制 (ACEiPs) 的计算模型,以减少实验验证工作.
- 利用生物信息学加速识别和发现来自食品来源的新型ACEiP.
主要方法:
- 使用优化氨基酸描述器 (AAD) 和长期和短期记忆神经网络构建一个ACE抑制预测器 (ACEiPP).
- 使用独立测试集评估模型性能,将组合AAD模型与单个AAD模型进行比较.
- 应用开发的ACEiPP模型用于数据库挖掘和对食品衍生蛋白质的选.
主要成果:
- 与单个AAD模型相比,组合AAD模型表现出优越的特征转换能力.
- 基于最佳描述器的模型在一个独立的测试集上实现了高预测准确性 (Acc = 0.9479,AUC = 0.9876),超过了现有的预测器.
- 该ACEiPP模型成功识别了四种已知的ACEiPs,并从21,249种来自食物的蛋白质中构建了潜在ACEiPs的库.
结论:
- 开发的ACEiPP模型有效地描述了ACEiPs的结构-活动关系,在预测能力方面取得了重大进展.
- 计算方法显著提高了从大型食品蛋白质数据库中发现新型 ACE 抑制的效率.
- ACEiPP提供了一种有价值的工具,以促进发现具有抗ACE活性的功能性食品衍生生物活性.
更多相关视频
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
Published on: December 1, 2020
相关概念视频
Antihypertensive Drugs: Angiotensin-Converting Enzyme Inhibitors
Protein-protein Interfaces
Transducer Mechanism: Enzyme-Linked Receptors
Major types that are helpful drug targets include:
Protein Networks
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
