ACP-DPE:用于抗癌预测的双通道深度学习模型
Guohua Huang1,2, Yujie Cao1, Qi Dai3
1College of Information Science and Engineering, Shaoyang University, Shaoyang, China.
IET systems biology
|March 22, 2025
概括
一种新的深度学习方法,ACP-DPE,准确地预测癌症治疗的抗癌 (ACP). 这种计算方法有助于识别有效的ACP,为癌症治疗研究提供了一个有前途的工具.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 癌症是全球主要的死亡原因,原因是无法控制的细胞生长.
- 由于毒性较低,抗癌 (ACP) 在癌症治疗中表现有前途.
- 试验性识别的ACP受条件和成本的限制.
研究的目的:
- 开发一种用于预测抗癌 (ACP) 的计算方法.
- 为了应对试验性识别非洲和非洲国家/地区的挑战.
- 加强用于癌症治疗的新型ACP的发现.
主要方法:
- 提出了一个双通道深度学习模型,ACP-DPE.
- 对于序列依赖性,使用了双向封闭的循环单元 (Bi-GRU).
- 采用扩展卷积模块用于局部氨基酸关系.
主要成果:
- 在ACP-DPE中,精度达到了82.81%,灵敏度达到了86.63%.
- 该模型在精度上表现比最先进的方法高3.86%,在灵敏度上表现比5.1%.
- 证明了双通道方法的计算有效性.
结论:
- 在抗癌预测方面,ACP-DPE是一种有效的工具.
- 深度学习方法显示了癌症治疗研究的巨大潜力.
- 计算预测可以加速治疗的发现.
