StackPIP:一种有效的计算框架,用于准确和平衡地识别抗炎
Lantian Yao1,2,3, Feng Wang4, Peilin Xie2
1School of Informatics, Xiamen University, 361005 Xiamen, China.
Journal of chemical information and modeling
|July 11, 2025
概括
我们开发了StackPIP,这是一种用于识别促炎 (PIPs) 的机器学习工具. 这种新的框架显著提高了预测准确度,有助于炎症研究和治疗开发.
科学领域:
- 生物化学 生物化学
- 免疫学 免疫学 免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 预炎性 (PIPs) 是免疫反应的关键调节者,影响细胞因子的释放和白细胞的招募.
- 准确识别PIP对于理解炎症和开发向治疗至关重要.
- 目前用于PIP识别的实验方法效率低下,突出显示了对先进计算工具的需求.
研究的目的:
- 开发一种新的,高性能的计算框架,用于预测促炎性 (PIP).
- 与现有方法相比,提高PIP识别的准确性和效率.
- 为研究人员提供一个可访问的工具,以促进PIP发现.
主要方法:
- 提出了StackPIP,这是一个机器学习框架,利用基于堆叠的组合策略.
- 集成多种类型的形容器 (组成,顺序,物理化学性质).
- 在整体框架内使用了12个不同的机器学习算法.
主要成果:
- 在PIP预测的现有计算方法中,StackPIP表现出优异的性能.
- 与最先进的方法相比,实现了近5%的精度改进.
- 进行了可解释性分析,以确定驱动促炎活动的关键序列特征.
结论:
- StackPIP提供了一种强大而准确的计算方法来识别促炎.
- 开发的Web服务器为研究人员提供了一个用户友好的平台,可以利用StackPIP.
- 这一进步支持了与炎症相关的疾病的研究和新疗法的开发.


