对抗微生物的深度学习:计算模型和数据库
Xiangrun Zhou1,2, Guixia Liu1,2, Shuyuan Cao1,2
1College of Computer Science and Technology, Jilin University, Changchun, 130000, China.
Journal of chemical information and modeling
|February 10, 2025
概括
抗微生物为抗微生物耐药性的解决方案. 这篇评论强调了用于预测这些的深度学习模型,旨在加速它们的发现和开发.
科学领域:
- 生物化学和计算生物学
- 药物的发现和开发.
背景情况:
- 抗微生物 (AMP) 在打击抗微生物耐药性方面至关重要.
- 实验性AMP发现是缓慢的,资源密集的.
- 计算方法,特别是深度学习,显示出加速AMP预测的前景.
研究的目的:
- 审查用于抗微生物预测的深度学习模型.
- 总结适用于AMP的可用数据资源.
- 讨论目前用于AMP预测的深度学习方法的局限性和挑战.
主要方法:
- 对用于AMP预测的深度学习模型的文献综述.
- 现有的AMP数据集的汇编和摘要.
- 分析当前计算模型的优缺点.
主要成果:
- 确定了AMP预测中使用的关键深度学习架构.
- 总结了培训和验证AMP模型的基本数据资源.
- 突出挑战包括数据稀缺性和模型可解释性.
结论:
- 深度学习显著提高了抗微生物预测效率.
- 需要进一步发展,以克服数据和方法的现有局限性.
- 这一审查为设计用于AMP发现的改进深度学习模型提供了基础.


