deep-AMPpred:用于识别抗微生物及其功能活动的深度学习方法.
Jun Zhao1, Hangcheng Liu1, Leyao Kang1
1School of Information and Artificial Intelligence, Anhui Provincial Engineering Research Center for Beidou Precision Agriculture Information, Key Laboratory of Agricultural Sensors for Ministry of Agriculture and Rural Affairs, Anhui Agricultural University, Hefei, Anhui 230036, China.
Journal of chemical information and modeling
|January 10, 2025
概括
抗微生物 (AMP) 对于疾病防御至关重要. 一个新的深度学习工具,深度AMPpred,准确地识别AMP并预测其多种功能,提供潜在的抗生素替代品.
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
- 药物发现 药物发现 药物发现
背景情况:
- 抗微生物 (AMP) 对于天生的免疫力至关重要,并且由于病原体耐药性的增加,它们作为常规抗生素的替代品越来越重要.
- 目前用于AMP识别的计算方法往往缺乏对预测各种功能活动的关注,限制了广泛的候选人的发现.
研究的目的:
- 开发一种新的计算工具,深度AMPpred,用于准确识别抗菌 (AMP).
- 预测AMP的多种功能活动,促进具有广泛抗菌能力的的发现.
主要方法:
- 使用了两阶段的预测框架:第一阶段区分了AMP与非AMP,第二阶段对13个常见的AMP功能活动进行了多标签分类.
- 深度AMPpred模型将序特征编码的ESM-2语言模型与卷积神经网络 (CNN),双向长期短期记忆 (BiLSTM) 和卷积块注意模块 (CBAM) 集成,用于增强预测.
主要成果:
- 深度AMPpred模型在准确识别AMP方面表现出很高的性能.
- 该工具成功预测了AMP的多个功能活动,突出了其功能表征的能力.
结论:
- 这项研究验证了ESM-2模型在捕获AMP预测必不可少的序列特征方面的有效性.
- 整合多个深度学习架构 (CNN,BiLSTM,CBAM) 可以显著提高AMP识别和功能活动预测的性能.


