AFP-MCDF:用于抗蛋白预测的多维和跨维特征融合方法
Jinfeng Li1, Fan Zhang1, Zhenguo Wen1
1Beijing Institute of Petrochemical Technology, Beijing, 102617, China.
Analytical biochemistry
|May 10, 2025
概括
一种新的抗蛋白 (AFP) 预测方法,AFP-MCDF,可以准确地识别抗蛋白. 这种计算方法通过提高AFP预测效率和性能来增强食品保存和医疗治疗.
科学领域:
- 生物化学 生化学
- 计算生物学 计算生物学
- 蛋白质科学 蛋白质科学
背景情况:
- 抗蛋白 (AFPs) 抑制冰晶的形成,这对于细胞在寒冷环境中生存至关重要.
- AFPs在食品科学 (质地,保质期) 和医学 (移植,手术) 中都有应用.
- 准确的AFP预测至关重要,但传统方法缓慢且昂贵,现有的计算方法需要改进.
研究的目的:
- 开发一种新的,高效的计算方法来预测抗蛋白的性能.
- 为了提高识别耐蛋白质的准确性和速度.
主要方法:
- 使用预训练的蛋白质语言模型 (ProtBERT,ESM-2) 来从AFP序列中提取特征.
- 采用BiLSTM和TextCNN来实现特征的多维融合,以捕捉依赖性和本地特征.
- 开发了一个使用跨维融合和线性映射进行抗评价的预测模型.
主要成果:
- 拟议的AFP-MCDF方法在抗蛋白预测方面表现出强的表现.
- AFP-MCDF的性能优于现有的传统计算方法.
- 该方法在预测抗性方面取得了最先进的结果.
结论:
- 在抗蛋白的计算预测方面,AFP-MCDF提供了显著的进步.
- 该方法的高精度和效率支持其在食品和医疗领域的应用.
- 这项工作为更有效地利用抗蛋白铺平了道路.


