面向世界科技前沿,面向國家重大需求,面向國民經濟主戰場,率先實現科學技術跨越發展,率先建成國家創新人才高地,率先建成國家高水平科技智庫,率先建設國際一流科研機構。

——中國科學院辦院方針

首頁 > 科研進展

新疆理化所在深度學習預測抗癌多肽研究中取得進展

2019-09-20 新疆理化技術研究所
【字體:

語音播報

  癌症是人類健康最致命的殺手,在全球範圍內每年造成數百萬人的死亡。傳統的物理和化學方法,包括靶向治療、化療和放射治療等醫療實踐中常見的治療手段,在一定程度上能殺死病變癌細胞,但是同時也會殺死大量正常的細胞,帶來嚴重的副作用。這些治療手段費用昂貴且預後效果不佳,迫切需要開發新的定向清除癌細胞,治療癌症的有效方法。

  抗癌多肽(anticancer peptidesACP),一種長度通常小于50氨基酸的陽離子型多肽的發現爲癌症治療開辟了新前景。ACP多發現自抗菌多肽(antimicrobial peptides, AMP)中,具有很多優良的特性,包括高特異性、廣譜性、安全性、易于合成和定制、成本低廉等。抗癌多肽可以特異性地結合癌細胞的陰離子細胞膜分子,而對正常細胞沒有影響。因此,它們可以選擇性地殺死癌細胞,而不帶來副作用。多年來,ACP療法在臨床的不同階段被廣泛探索和應用,但是只有少數被最終用于臨床治療。ACP的鑒定高度受限于實驗室,昂貴且周期漫長。計算預測的方法在幫助篩選、發現和預測抗癌多肽中的作用越來越迫切和明顯。

  中國科學院新疆理化技術研究所研究人员首次开发和提出了基于序列信息来预测潜在的抗癌多肽的深度学习方法。首先,研究人员基于现有的研究,整理构建了用于机器学习的抗癌多肽数据集,其中,正样本为实验验证的ACP,負樣本爲不具有抗癌活性的AMP。然後,保留氨基酸殘基組分和位置信息的高效多肽序列特征提取技術被提出,將生物序列信息轉化爲數字特征。最後,基于長短時記憶模型的深度學習模型被構建和訓練以預測新型ACP。嚴格的實驗結果表明,所開發的方法具有高准確性、魯棒性,可以作爲相關生物醫學研究的有效工具。

  該工作以ACP-DL: A Deep Learning Long Short-Term Memory Model to Predict Anticancer Peptides Using High-Efficiency Feature Representation 爲題,于近日發表于Molecular Therapy-Nucleic Acids,第一作者爲新疆理化所研究生易海成,指導老師爲研究員尤著宏。該工作得到國家自然科學基金優秀青年科學基金和中科院項目的支持。

  論文链接

 

圖:抗癌多肽數據集中各氨基酸組分及預測模型性能表現

打印 責任編輯:葉瑞優

© 1996 - 中國科學院 版权所有 京ICP備05002857號 京公網安備110402500047號

聯系我們 地址:北京市三里河路52号 邮编:100864