首页|基于深度学习和蛋白质语言模型的抗菌肽预测模型研究

基于深度学习和蛋白质语言模型的抗菌肽预测模型研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对目前已有抗菌肽(Antimicrobial Peptides，AMPs)预测模型的准确度(ACC)仍有待提高的问题，提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap，该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取，将提取的特征向量融合后输入由多层双向长短记忆网络(mBi-LSTM)、一维卷积神经网络(1D-CNN)和注意力机制组成的深度学习网络中，并进行性能评估与优化。结果表明:该模型的ACC、皮尔逊相关系数(MCC)和曲线下的面积(AUC)分别为 0。739、0。489 和 0。81，优于已有抗菌肽预测模型的预测效果。
Research on antimicrobial peptide prediction model based on deep learning and protein language model
In response to the need for improving prediction accuracy(ACC)in existing models for Antimicrobial Peptides(AMPs),a novel AMP prediction model called DeepGlap was proposed.This model utilized two protein language models for feature extraction from AMP sequences,followed by fusion of feature vectors.These fused vectors were then input into a deep learning network composed of multiple layers of bidirectional long short-term memory networks(mBi-LSTM),one-dimensional convolutional neural networks(1D-CNN),and attention mechanisms.The model underwent performance evaluation and optimization.Results indicated that the model achieved ACC,the Pearson correlation coefficient(MCC),and the area urder the curve(AUC)values of 0.739,0.489,and 0.81,respectively,demonstrating superior predictive performance compared to existing AMP prediction models.

antimicrobial peptideprediction modelfoodborne pathogenprotein language modeldeep learning network

王晓、吴洲、王宏伟、王榕、陈浩然

展开 >

郑州轻工业大学 计算机科学与技术学院,河南 郑州 450001

河南省食品安全数据智能重点实验室,河南 郑州 450001

郑州轻工业大学 食品与生物工程学院,河南 郑州 450001

郑州轻工业大学 电子信息学院,河南 郑州 450001

展开 >

抗菌肽 预测模型 食源性病原体 蛋白质语言模型 深度学习网络

国家自然科学基金青年科学基金国家自然科学基金青年科学基金河南省科技攻关计划河南省科技攻关计划河南省高等学校重点科研项目河南省高等学校重点科研项目

32101976619061752321022100202021022101422A52001323B520004

2024

10.12187/2024.02.002

轻工学报
郑州轻工业学院

轻工学报

北大核心
影响因子：0.369
ISSN：2095-476X
年,卷(期)：2024.39(2)
  • 23