MlyPredCSED:基于极端点偏差补偿集群结合跨度卷积神经网络来预测人类多个氨酸位
Yun Zuo1, Xingze Fang1, Jiankang Chen1
1School of Artificial Intelligence and Computer Science, Jiangnan University, Wuxi 214000, China.
Briefings in bioinformatics
|April 26, 2025
概括
研究人员开发了MlyPredCSED,这是一种用于预测多个氨酸修饰位点的新工具. 这种计算方法解决了样本不平衡,并增强了生物研究和药物开发.
科学领域:
- 生物化学和分子生物学
- 生物信息学和计算生物学
背景情况:
- lysine (K) 的翻译后修饰 (PTM) 对蛋白质的功能,稳定性和生理过程至关重要.
- 现有的K-PTM研究往往忽视了协同效应,并与不平衡的数据集作斗争.
研究的目的:
- 开发一种新的计算工具,MlyPredCSED,用于同时预测多个氨酸修饰站点.
- 为了应对K-PTM预测中样本失衡的挑战.
主要方法:
- 集成极点偏差补偿集群 (EPDCC) 下采样与跨度卷积神经网络 (CSCNNs) 的集成.
- 利用多标签位置特定三元组氨基酸倾向和物理化学特性来增强序列信息.
主要成果:
- 与现有模型相比,MlyPredCSED表现出优越的性能,特别是在多个修改站点的复杂类别中.
- 通过EPDCC的低采样技术,有效地解决了样本不平衡问题.
结论:
- MlyPredCSED提供了一种有效和准确的方法来识别氨酸修饰部位.
- 该工具对生物研究和药物开发有重大影响,可使用免费的网络工具.


