基于深度学习的多肽预测方法研究

多肽,也可简称为肽,是α-氨基酸通过肽键连接在一起而形成的一类化合物,也是蛋白质水解的产物.它对人体的生长、发育、代谢有着重要的影响,部分多肽具有抗癌、抗菌、抗病毒、穿透细胞等特性,对于相应疾病的治疗具有重大意义.因此研究识别具有治疗特性的多肽方法至关重要,然而传统生物实验方法鉴定多肽耗时且昂贵,不适合处理高通量的序列数据.现有的基于机器学习的预测模型虽然大大提高了多肽的识别效率,但存在识别性能不足,泛化能力不够,以及一种模型只能有效识别特定的一种多肽等问题.针对以上问题,该文提出了一种通用深度学习模型DeepPEPred,该模型能有效预测多种不同的肽.在抗癌肽、抗菌肽、细胞穿透肽和结合肽四种不同肽数据集上进行十折交叉验证和独立测试,实验结果表明:与目前最新的方法PEPred-Suit相比,DeepPEPred在抗癌肽数据集上准确度提升了29.6％,MCC提升了59.7％;在抗菌肽、细胞穿透肽和结合肽三种数据集上准确度均提升了1.2％,MCC分别提升了2.3％、2.5％和2.4％,AUC分别提升了0.8％、0.3％和1.2％.