ConsAMPHemo:基于机器学习方法预测抗菌的血液溶解的计算框架
Peilin Xie1,2, Lantian Yao1,2, Jiahui Guan3
1Kobilka Institute of Innovative Drug Discovery, School of Medicine, The Chinese University of Hong Kong, Shenzhen, China.
Protein science : a publication of the Protein Society
|June 16, 2025
概括
这项研究介绍了ConsAMPHemo,这是一个深度学习框架,用于预测抗微生物 (AMP) 溶血. 它准确地分类血液溶解活性并预测血液溶解度,有助于开发更安全的AMP药物.
科学领域:
- 生物化学和分子生物学
- 计算生物学和生物信息学
- 药物发现和开发 药物发现和开发
背景情况:
- 抗微生物 (AMP) 通过破坏细胞膜对抗微生物至关重要.
- AMPs的膜破坏机制可能会导致意外的血液溶解,这对治疗应用提出了安全问题.
- 目前用于评估AMP溶血活性的实验方法昂贵且耗时.
研究的目的:
- 开发一个经济高效的,基于深度学习的计算框架,用于预测AMP的溶血活性.
- 将AMP分类为溶血性或非溶血性,并预测其特定的溶血度.
- 确定与血液溶解活性相关的关键特征,并了解AMP诱导血液溶解的生物物理基础.
主要方法:
- 开发ConsAMPHemo,一个两阶段的深度学习框架.
- 实施二进制分类用于血液溶解活动预测.
- 用回归分析来预测血解度的应用.
主要成果:
- 在三个数据集中,ConsAMPHemo实现了高分类准确性 (99.54%,82.57%,88.04%).
- 该模型在回归预测方面表现出强的表现,Pearson相关系数为0.809.
- 确定了特定特征和血液溶解活性之间的显著相关性.
结论:
- ConsAMPHemo提供了一种计算效率高,准确的方法来预测AMP溶血活性,减少了对广泛实验测试的需求.
- 该框架有助于合理设计更安全的AMP,使血溶性毒性最小化.
- 对血液溶解物理学的洞察力有助于开发下一代抗菌疗法.
