LMPred_AMP_Prediction

LMPRED : 사전 훈련 된 언어 모델 및 딥 러닝을 사용한 항균 펩티드 예측

현재 옥스포드 아카데믹 - 생물 정보학 발전에 출판되었습니다

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

추상적인

항균성 펩티드 (AMP)는 암 요법 및 고혈압과 같은 영역에서 새로운 치료 약물의 발달에 점점 더 많이 사용되고 있습니다. 또한, 그들은 박테리아 내성의 발생이 증가함에 따라 항생제의 대안으로 간주됩니다. 그러나 습식 실험 실험 식별은 시간이 많이 걸리고 비용이 많이 들기 때문에 이제 새로운 AMP 후보자를 선별하기 위해 실리코 내 모델이 일반적으로 사용됩니다. 이 논문은 모델 입력을 만드는 새로운 접근법을 제안합니다. 미리 훈련 된 언어 모델을 사용하여 컨볼 루션 신경망이 분류로 훈련되기 전에 각각의 펩티드 서열 내에서 아미노산을 나타내는 맥락화 된 내장을 생성한다. 최적의 모델은 이전에 AMP 예측 연구에 사용 된 두 데이터 세트 와이 백서에서 만든 독립적 인 데이터 세트에서 검증되었습니다. 93.33% 및 88.26%의 예측 정확도가 각각 달성되어 이전의 모든 최첨단 분류 모델을 능가했습니다.

업로드 된 파일 :

• LM_PRED_DATASET 폴더에는 연구 논문에서 "LMPRED"데이터 세트로 독립적으로 공급되고 사용 된 교육, 검증 및 테스트가 포함되어 있습니다.
• 1_create_word_embeddings.ipynb는 미리 훈련 된 언어 모델 (이 경우 T5XL Uniref50)을 사용하여 임베딩을 생성하는 방법의 예를 보여줍니다.
• 2_BUILD_CNN_MODEL.IPYNB는 펩티드 서열을 분류하기 위해 벡터를 포함시키는 단어를 사용하는 컨볼 루션 신경망 모델이 어떻게 만들어 졌는지 보여줍니다.
• 3_testing_models.ipynb는 보이지 않는 테스트 데이터에서 내장 모델의 테스트를 보여줍니다. 외부 웹 서버 모델 예측의 데이터가 통합됩니다.

언어 모델 - 인용

• 이 작업은 Elnaggar et al.의 연구에 의해 생성 된 미리 훈련 된 언어 모델을 사용하지 않으면 불가능했을 것입니다. 해당 연구에 대한 자세한 내용은 아래를 참조하십시오.

외부 연구 :

2020 년 7 월 : Prottrans : 자기 감독 학습을 통해 삶의 언어를 크래킹하는 것. 사전 인쇄, 생물 정보학. Elnaggar, A., M. Heinzinger, C. Dallago, G. Reagawi, Y. Wang, L. Jones, T. Gibbs, T. Feher, C. Angerer, M. Steinegger, D. Bhowmik 및 B. Rost (2020, 7 월). https://www.biorxiv.org/content/10.1101/2020.07.12.199554v1.full.pdf

업데이트 : 2021 년 7 월 : Prottrans : 자체 감독 딥 러닝 및 고성능 컴퓨팅 Elnaggar, Ahmed 및 Heinzinger, Michael and Dallago, Christian and Chawi, Ghalia and Yu, Wang and Jones, Llion and Gibbs, Tom and Feher, Tamas, Angerer, Christoph, Steingger, Martin and Whoww, Dedh and Whowmik and Whowmik and Whowmik and Whowmik 및 Rown Burkhard https://ieeexplore.ieee.org/abstract/document/9477085

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