...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>BMC Genomics >ACEP: improving antimicrobial peptides recognition through automatic feature fusion and amino acid embedding
【24h】

ACEP: improving antimicrobial peptides recognition through automatic feature fusion and amino acid embedding

机译：ACEP：通过自动融合和氨基酸嵌入改善抗微生物肽识别

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Antimicrobial resistance is one of our most serious health threats. Antimicrobial peptides (AMPs), effecter molecules of innate immune system, can defend host organisms against microbes and most have shown a lowered likelihood for bacteria to form resistance compared to many conventional drugs. Thus, AMPs are gaining popularity as better substitute to antibiotics. To aid researchers in novel AMPs discovery, we design computational approaches to screen promising candidates. In this work, we design a deep learning model that can learn amino acid embedding patterns, automatically extract sequence features, and fuse heterogeneous information. Results show that the proposed model outperforms state-of-the-art methods on recognition of AMPs. By visualizing data in some layers of the model, we overcome the black-box nature of deep learning, explain the working mechanism of the model, and find some import motifs in sequences. ACEP model can capture similarity between amino acids, calculate attention scores for different parts of a peptide sequence in order to spot important parts that significantly contribute to final predictions, and automatically fuse a variety of heterogeneous information or features. For high-throughput AMPs recognition, open source software and datasets are made freely available at https://github.com/Fuhaoyi/ACEP .
机译：抗微生物抗性是我们最严重的健康威胁之一。抗微生物肽（AMPS），先天免疫系统的效果分子可以防止对微生物的宿主生物，并且大多数人已经显示出与许多常规药物相比形成抗性的降低的可能性。因此，AMPS正在获得普及，因为更好地替代抗生素。为了帮助小组AMPS发现的研究人员，我们设计计算筛选有前途候选人的计算方法。在这项工作中，我们设计了一种可以学习氨基酸嵌入模式的深度学习模型，自动提取序列特征和熔丝异构信息。结果表明，拟议的模型优于识别安培的最先进方法。通过在模型的一些层中可视化数据，我们克服了深度学习的黑匣子性质，解释了模型的工作机制，并在序列中找到了一些导入图案。 ACEP模型可以捕获氨基酸之间的相似性，计算肽序列的不同部位的关注分数，以便发现显着贡献最终预测的重要部分，并自动熔断各种异构信息或特征。对于高吞吐量AMPS识别，开源软件和数据集是在HTTPS://github.com/fuhaoyi/ACEP中自由提供的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号