基于深度学习的方法,用于合理设计具有高抗菌活性和稳定性的合
Ruole Chen1, Yuhao You1, Yanchao Liu1
1School of Life Science and Technology, China Pharmaceutical University, Nanjing, Jiangsu, China.
Microbial biotechnology
|March 5, 2025
概括
拼接抗微生物 (AMP) 显示出增强的稳定性和有效性. 深度学习模型准确地预测了接的AMP,从而导致具有强大的抗菌活性和改进的安全概况的新设计.
科学领域:
- 生物化学 生物化学
- 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,但由于稳定性和毒性不佳而面临临临床挑战.
- 拼接基改造为提高AMP稳定性和治疗疗效提供了一个有希望的策略.
- 计算方法的应用用于设计接的AMP仍未得到充分探索.
研究的目的:
- 开发和验证使用机器学习和深度学习方法对合抗微生物 (AMPs) 的预测模型.
- 为了研究聚合环的结构特征.
- 设计和实验验证具有更好的稳定性,有效性和安全性的新型接AMP.
主要方法:
- 用深度学习和机器学习算法构建和评估十个不同的预测模型,用于固定AMP,使用深度学习和机器学习算法.
- 独立数据集验证和湿实验室实验以评估模型准确性和性能.
- 结构,序列和氨基酸描述器分析用于表征接环结构.
- 利用AlphaFold进行增强的接结构预测.
主要成果:
- 支持矢量机 (SVM) 模型在测试的机器学习模型中表现出优异的性能.
- 两个深度学习模型在外部测试集上实现了1.0的卓越准确性.
- 设计的囊氨酸和氨酸合酸在低度下对各种细菌表现出强大的抑制作用.
- 这种新型接具有良好的血清稳定性和低血解活性,表明毒性降低.
结论:
- 深度学习和机器学习模型可以有效地预测和促进稳定和强大的接抗微生物的设计.
- 使用这些计算方法设计的堆式AMP对治疗应用具有重大前景.
- 这项研究强调了先进的计算方法在促进改和药物设计方面的潜力.
