卫生卫生部:一个基于自适应的融合的LLM,用于预测卫生信息学中的菌体与宿主相互作用
Qian Chen1, Zihang Zhao2, Min Li3,4
1School of Artificial Intelligence and National Engineering Laboratory for Big Data System Computing Technology, Shenzhen University, Shenzhen, Guangdong, China.
Frontiers in microbiology
|October 6, 2025
概括
这项研究引入了MoEPH,这是一个新的计算模型,用于预测菌体与宿主相互作用,以推进菌体治疗抗抗菌素耐药性. MoEPH提高了预测准确度,特别是不平衡数据,有助于开发有效的菌体治疗方法.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 菌体治疗对于打击抗菌素耐药性 (AMR) 是至关重要的.
- 现有用于菌体与宿主相互作用预测的in silico模型缺乏通用性和可解释性.
- 需要准确的预测模型来指导菌体治疗的发展.
研究的目的:
- 开发一种新的,可解释的和可概括的计算框架,用于菌体与宿主相互作用的预测.
- 提高预测的准确性和稳定性,特别是在不平衡的数据集.
- 提供基于知识的解决方案,用于在菌体治疗中选择有效的菌体.
主要方法:
- 基于变压器的蛋白质嵌入 (ProtBERT,ProT5) 与统计描述器的集成.
- 使用封闭的融合机制来实现动态特征组合.
- 对三种不同的菌体与宿主相互作用数据集的评估.
主要成果:
- 在平衡的数据集上,MoEPH实现了高精度 (99.6%).
- 在不平衡数据上的预测性能显著改善31%.
- 超越了用于菌体与宿主相互作用预测的现有计算方法.
结论:
- 卫生部提供了一种透明,动态和知识驱动的方法来预测菌体与宿主.
- 该框架增强了开发更有效的菌体治疗策略的潜力.
- 未来的研究将探索整合结构特征和替代的神经架构.
更多相关视频
12:04Interactome-Seq: A Protocol for Domainome Library Construction, Validation and Selection by Phage Display and Next Generation Sequencing
Published on: October 3, 2018
9.4K
13:56A Comparative Approach to Characterize the Landscape of Host-Pathogen Protein-Protein Interactions
Published on: July 18, 2013
11.5K
