相关实验视频
Updated: May 6, 2026
12:27
Measuring Peptide Translocation into Large Unilamellar Vesicles
Published on: January 27, 2012
14.2K
PerseuCPP:一种机器学习策略,用于预测细胞透和它们的吸收效率
Rayane Monique Bernardes-Loch1, Gustavo de Oliveira Almeida2, Igor Teixeira Brasiliano2
1Department of Biochemistry and Molecular Biology, Universidade Federal de Viçosa, Viçosa-MG 36570-900, Brazil.
Bioinformatics advances
|September 29, 2025
概括
PerseuCPP是一种新的机器学习工具,可以准确识别用于药物输送的细胞透 (CPP). 这种计算策略加速了有效的CPP的发现,克服了实验方法的局限性.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 药物运输 药物运输 药物运输
背景情况:
- 细胞透 (CPPs) 对于细胞内药物递送至关重要,提供一种不损害细胞膜的方法来运输治疗分子.
- 传统的CPP实验识别是昂贵和耗时的,阻碍了该领域的快速进展.
- 计算策略为识别和设计新型CPP提供了一个可扩展和具有成本效益的替代方案.
研究的目的:
- 引入PerseuCPP,这是一个新的机器学习策略,用于识别和预测细胞透的效率.
- 开发一种能够克服实验CPP识别方法的局限性的计算工具.
- 提供对促进质细胞透的关键分子描述物的洞察力.
主要方法:
- 该PerseuCPP策略使用极端随机树,一个机器学习算法,用于CPP预测.
- 该模型被训练在描述器上,包括的物理化学,结构和原子组成属性.
- 采用了两阶段的方法:一个用于CPP识别,另一个用于采用效率预测,两者都使用交叉验证和独立数据集进行了验证.
主要成果:
- CPP预测器实现了高性能,MCC为0.854,召回为0.860,AUC为0.984,超过了现有的最先进的方法.
- 效率预测器表现出具有竞争力的结果,回忆率为0.761和AUC为0.690.
- PerseuCPP提供了一个可解释的模型,揭示了有效的细胞透的关键描述符.
结论:
- PerseuCPP提供了一种强大而高效的计算工具,用于识别细胞透.
- 该战略显著加速了用于增强药物输送应用的CPP的发现和设计.
- 预计这项工作将促进生物医学研究和使用CPP的治疗开发.
