DeepEpiIL13:使用预训练的语言模型和多窗口卷积神经网络快速准确预测IL-13诱导位的深度学习.
Cheng-Che Chuang1, Yu-Chen Liu1, Yu-Yen Ou1,2
1Department of Computer Science and Engineering, Yuan Ze University, Chung-Li 32003, Taiwan.
ACS omega
|March 17, 2025
概括
使用深度学习,DeepEpilL13准确地预测了诱导IL-13 (IL-13) 的表位. 这一进步有助于开发针对过敏炎症和严重COVID-19的向疗法,通过提高表位预测的准确性和效率.
科学领域:
- 计算生物学和免疫学.
- 生物信息学和机器学习在卫生中的应用.
背景情况:
- 准确预测诱导IL-13 (IL-13) 间白素表位是针对过敏炎症和COVID-19的向疗法至关重要的.
- 现有的表位预测方法缺乏效率和准确性.
研究的目的:
- 介绍DeepEpilL13,一个新的深度学习框架,用于快速准确地识别IL-13诱导表位.
- 为了利用预训练的语言模型和多窗口CNN进行增强的表位预测.
主要方法:
- DeepEpilL13将预训练的语言模型与多窗口CNN结合起来,用于高维嵌入.
- 该框架分析了用于IL-13诱导预测的本地和全球序列模式.
- 根据基准和独立的SARS-CoV-2数据集进行评估.
主要成果:
- 在传统方法中,DeepEpilL13表现出优越的性能.
- 在基准数据上实现了0.52的MCC和0.86的AUC.
- 在SARS-CoV-2数据上达到0.63的MCC和0.92的AUC,显示出强度.
结论:
- DeepEpilL13是一个强大而高效的深度学习框架,用于准确的表位预测.
- 为IL-13介导疾病提供了更好的性能和强度.
- 为新型表位基疫苗和免疫疗法为过敏性疾病,炎症状况和COVID-19等病毒感染铺平了道路.
