EnsemPred-ACP:将机器和深度学习结合起来,改善抗癌预测
Minjun Kwon1, Yong Eun Jang1, Ji Su Hwang1
1Department of Molecular Science and Technology, Ajou University, Suwon, 16499, Republic of Korea; Department of Physiology, Ajou University School of Medicine, Suwon, 16499, Republic of Korea.
Computers in biology and medicine
|July 4, 2025
概括
EnsemPred-ACP使用新的机器学习和深度学习组合准确预测抗癌 (ACP). 这种方法通过改善强效治疗的识别来增强癌症治疗的发展.
科学领域:
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
- 药物发现 药物发现
背景情况:
- 由于选择性向癌细胞,抗癌 (ACP) 在癌症治疗中表现有前途.
- 由于复杂的癌症机制,对ACP的准确计算预测具有挑战性.
研究的目的:
- 引入EnsemPred-ACP,这是一个整体框架,将机器学习 (ML) 和深度学习 (DL) 结合起来,以提高ACP预测.
- 改进用于癌症治疗的潜在治疗性的识别.
主要方法:
- 开发了EnsemPred-ACP,这是一个整体框架,集成了ML和DL.
- 引入了二进制特征 (BPF) 来增强预训练的蛋白质嵌入.
- 采用双管道架构处理序列特征,嵌入和BPF增强的嵌入.
主要成果:
- EnsemPred-ACP实现了高预测性能:准确度为0.863,灵敏度为0.897和特异性为0.830.
- 该模型表现出强烈的概括性,AUC为0.93.
- BPF显著提高了预测准确度,提高了2.5% (ESM2) 和11.1% (ProtT5).
结论:
- EnsemPred-ACP有效地识别了潜在的治疗,优于现有的方法.
- 将BPF与蛋白质嵌入的整合提高了ACP预测的准确性.
- 这种方法有助于推进基于的癌症治疗方法.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
