MSCMamba:通过与Mamba模块融合多尺度卷积来预测抗菌活性值
Mingyue He1, Yongquan Jiang1,2, Yan Yang1,2
1School of Computing and Artificial Intelligence, Southwest Jiaotong University, Chengdu 610031 Sichuan, China.
The journal of physical chemistry. B
|February 7, 2025
概括
本研究介绍了MSCMamba,这是一种用于预测抗微生物 (AMP) 活性值的新型回归模型. 通过准确量化AMP的功能活动,MSCMamba增强了抗生素的开发.
科学领域:
- 计算化学是一种计算化学.
- 生物信息学是一种生物信息学.
- 药物发现 药物发现
背景情况:
- 抗微生物 (AMP) 显示出作为新型抗生素的前景.
- 现有的方法主要侧重于AMP活动的定性预测,而定量预测能力有限.
研究的目的:
- 为AMP活动值开发一个定量预测模型.
- 介绍MSCMamba,一个回归模型,集成多尺度卷积神经网络和Mamba模块.
主要方法:
- 使用多种编码技术从AMP序列中提取特征.
- 使用多尺度卷积网络进行本地特征捕获,并使用Mamba模块进行远程依赖分析.
- 通过线性层融合提取的特征并预测AMP活动值.
主要成果:
- 与现有的最先进的方法相比,MSCMamba表现出更高的性能.
- 在R平方值中实现了10.66%的改善,从0.422增加到0.467.
- 废弃实验证实了模型组件的有效性和特征多样化的好处.
结论:
- MSCMamba为AMP活动的定量预测提供了一种新且准确的方法.
- 预计该模型将加速新抗生素的发现和开发.
更多相关视频
09:09Semi-Quantitative Analysis of Peptidoglycan by Liquid Chromatography Mass Spectrometry and Bioinformatics
Published on: October 13, 2020
4.3K
06:50Author Spotlight: A Computational Approach to Decipher Amino Acid Preferences in Multispecific Protein-Protein Interactions
Published on: January 26, 2024
1.3K
