蛋白质毒素,一个预测蛋白质毒性的预测器
Yang Yang1,2,3, Haohan Zhang2, Mauno Vihinen4
1Computing Science and Artificial Intelligence College, Suzhou City University, Suzhou 215004, China.
Toxins
|October 28, 2025
概括
我们开发了ProToxin,这是一种新的机器学习预测器,用于从序列中识别蛋白质毒素. 这种高效的工具显著改善了现有的毒素检测方法.
科学领域:
- 生物化学 生物化学
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 毒素是各种各样的有毒化合物,在所有生命王国中产生.
- 毒素是一种动物毒素,可以包含数百种不同的化学物质.
- 准确检测毒素对于各种生物和毒理学研究至关重要.
研究的目的:
- 开发一种基于机器学习的新,准确和高效的预测器,用于从氨基酸序列中识别蛋白质毒素.
- 将开发的预测器的性能与现有最先进的方法进行比较.
主要方法:
- 使用渐变增强机器学习算法,特别是XGBoost,用于预测器开发.
- 实施了严格的功能选择过程,将最初的2614个功能减少到88个.
- 使用精心策划的蛋白质序列数据集来训练和验证预测器.
主要成果:
- 开发的预测剂ProToxin在现有最先进的方法上显示出显著的性能改进.
- 在盲测数据集上实现了高性能指标:0.906准确度,0.796马修斯相关系数和0.796整体性能.
- ProToxin被证明是一种快速有效的方法,用于分析小和大的序列集.
结论:
- 在蛋白质毒素的计算预测中,ProToxin代表了实质性的进步.
- 该工具的效率,准确性和免费可用性使其成为毒理学和生物信息学研究人员的宝贵资源.
- 在各种生物环境中,ProToxin可以广泛应用于识别有毒蛋白质.


