LMPred_AMP_Prediction

LMPRED: Prédire les peptides antimicrobiens à l'aide de modèles de langue pré-formés et d'apprentissage en profondeur

Maintenant publié dans Oxford Academic - Bioinformatics Advances

https://academic.oup.com/bioinformaticsadvances/article/2/1/vbac021/6561563

Abstrait

Les peptides antimicrobiens (AMP) sont de plus en plus utilisés dans le développement de nouveaux médicaments thérapeutiques, dans des domaines tels que le traitement du cancer et l'hypertension. De plus, ils sont considérés comme une alternative aux antibiotiques en raison de la survenue croissante d'une résistance bactérienne. Cependant, l'identification expérimentale humide est à la fois longue et coûteuse, de sorte que les modèles in-silico sont désormais couramment utilisés pour filtrer les nouveaux candidats AMP. Cet article propose une nouvelle approche de création d'entrées de modèle; en utilisant des modèles de langage pré-formés pour produire des intérêts contextualisés représentant les acides aminés dans chaque séquence peptidique, avant qu'un réseau neuronal convolutionnel ne soit ensuite formé comme classifère. Le modèle optimal a été validé sur deux ensembles de données, étant un précédemment utilisé dans la recherche sur la prédiction AMP, et un ensemble de données indépendant, créé par cet article. Des précisions prédictives de 93,33% et 88,26% ont été obtenues respectivement, surpassant tous les modèles de classi fi cation de pointe antérieurs.

Fichiers téléchargés:

• Le dossier LM_PRED_DATASET contient la formation, la validation et l'ensemble de tests d'origine indépendante et utilisée dans le document de recherche en tant que jeu de données "LMPRED".
• 1_create_word_embeddings.ipynb montre un exemple de la façon de créer des incorporations à l'aide des modèles de langage pré-formés (dans ce cas, T5XL UNIREF50), entrant des séquences d'acides aminés d'amplières et non-ampères et de sortie des incorporations vectorielles.
• 2)
• 3_testing_models.ipynb montre les tests des modèles construits sur les données de test invisibles. Les données des prévisions de modèle de serveur Web externe sont incorporées.

Modèles de langue - citation

• Ce travail n'aurait pas été possible sans l'utilisation des modèles de langue pré-formés produits par les recherches d'Elnaggar et al. Veuillez consulter ci-dessous pour plus de détails sur cette recherche.

Recherche externe:

Juillet 2020: Prottrans: Vers la fissuration du langage du code de la vie par l'apprentissage auto-supervisé. préimprimée, bioinformatique. Elnaggar, A., M. Heinzinger, C. Dallago, G. Rehawi, Y. Wang, L. Jones, T. Gibbs, T. Feher, C. Angerer, M. Steinegger, D. Bhowmik et B. Rost (2020, juillet). https://www.biorxiv.org/content/10.1101/2020.07.12.199554v1.full.pdf

MISE À JOUR: juillet 2021: Prottrans: Vers la fissuration du code du langage de la vie à travers l'apprentissage en profondeur auto-supervisé et l'informatique haute performance Elnaggar, Ahmed et Heinzinger, Michael et Dallago, Christian et Rehawi, Ghalia et Yu, Wang et Jones, Llion et Gibbs, Tom et Feher, Tamas et Angerer, Christoph et Steinegger Burkhard https://ieeexplore.ieee.org/abstract/document/9477085

Prottrans Github: https://github.com/agemagicic/prottrans