文章标题：sAMP-PFPDeep: Improving accuracy of short antimicrobial peptides prediction using three different sequence encodings and deep neural networks
代码：https://github.com/WaqarHusain/sAMP-PFPDeep
一、问题
短抗菌肽(sAMPs)：红色是α-helices，蓝色为随机coil
最著名的生物计算问题之一是在离散模型中描述生物序列，使其关键序列特征不被改变。以载体形式表达生物序列可能导致失去其重要的基于序列的特征。除此之外，各种基于物理化学特征的方法，主要包括氨基酸组成(AAC)、伪氨基酸组成(PseAAC)、归一化氨基酸组成(NAAC)、疏水性、净电荷、等电点、α-螺旋倾向、β-片倾向和转向倾向，已经被提出用于预测amp，这些表征具有很强的预测肽序列性质的能力。
将序列转换为图像时，分别考虑了包含位置、频率和12个理化特征之和信息的三个通道。
二、Materials and methods
预测sAMPs，即具有少于或等于30个氨基酸残基的序列长度的肽。流程：
1、Training and benchmark dataset
本研究使用了先前数据集【Deep-AmPEP30: improve short antimicrobial peptides prediction with deep learning】。数据集由1529个sAMPs和1529个Non-sAMPs组成，表明数据集是平衡的。
数据样本：
最终用于训练的数据集包含1529 + 1529 = 3058个样本。数据集已经经过CDHIT处理，去除冗余的阈值为0.8，即排除相似性超过80%的序列。由于已经执行该预处理，因此在本研究中没有重复该步骤，并且数据集被用作训练目的。188个多肽的基准数据集，包括来自同一研究的94个sAMPs和94个非sAMPs。
2、Sequence to image generation
Sequence to square matrix conversion
将序列转换为方阵。首先，在所有序列中填充假氨基酸，即序列长度小于30的X。这有助于使数据集中的所有样本具有均匀的长度。在下一阶段，将这些序列转换为5 × 6矩阵，例如:
Square matrix to 3-channel image conversion
方阵被转换为3通道图像。为此，对每个通道进行了不同的计算。
第一通道：编码矩阵。每个氨基酸的编码从1到20，X氨基酸被认为是零。
第二通道：各自序列的方阵中的氨基酸被替换为氨基酸频率。例如，如果氨基酸A，即丙氨酸在一个序列中出现3次，则该序列中的每个A都被替换为3。频率矩阵。频率分布：
第三通道：氨基酸的理化特性。PepData从CRASP程序中收集了属性值，除Solvent_Exposed_Area，而Solvent_Exposed_Area的值取自(http://prowl.rockefeller.edu/aainfo/access.htm)。
在将所有三个通道划分为单个图像之前，所有通道都在0-255的范围内归一化。这有助于生成三个实际的均匀通道，并在合并它们后，从每个肽序列生成一个3通道图像。
3、Classification through VGG-16 and RESNET-50
经过20个epoch后，模型收敛。为优化所有参数，使用Grid进行超参数调优。VGG-16和RESNET-50：
两种神经网络的最小输入层尺寸均为32 × 32 × 3，而本研究生成的图像为5 × 6 × 3。因此，为将这些微小的图像传递给模型，对图像执行零填充。
4、Validation study
为验证，采用基于分子对接（AutoDock Tools和AutoDock Vina）。首先，建立从UniProt中检索长度≤30个残基的AMP的数据集。通过关键字抗菌[KW-0929]进行检索，长度设置为∗TO30，检索到728个已审查的肽序列。随后，为去除检索序列中的冗余，应用CD-HIT，相似度阈值为60%，从原始的728个序列中检索到301条肽序列。
除预测标签外，对于阳性样本，还计算以p值(概率)表示的预测分数，因为这些收集的肽实际上都是阳性的。这些肽被归类为阳性sAMPs，进行三级结构预测，并使用SWISSModel建模。通过与八种已知细菌受体的分子对接，评估这些肽的抗菌潜力。
每次对接后计算反应的结合能，并利用这些结合能计算μM中的抑制常数Ki值为:
其中G为结合能，T为温度，为298.15 K, R为气体常数，为1.9872036 kcal/mol。
在进行分子对接时，使用AutoDock Tools为观察到的每个蛋白质的结合位点生成一个Grid box dimensions(size)，并记录。
使用AutoDock Vina进行分子对接，并计算所有对接肽的结合亲和力值，以了解它们与感兴趣的蛋白质的相互作用。
在本研究中，采用E = 4、E = 8、E = 16、E = 32、E = 64和E = 128六种不同穷举启发式的对接仿真方法。然而，在穷举E = 8后，结合方面未见改善，因此，报告E = 8的结果。
为更好地描述，预测分数，即p值与所有肽的结合能(γG)和抑制常数(Ki)相关。
5、Evaluation of performance
三、Results and discussion
1、Estimation of training performance
VGG-16的训练效果优于ResNet-50：
基于VGG-16的预测产生了1502个真阳性和1504个真阴性，假阳性和假阴性分别为25个和27个。预测1484个真阳性和1456个真阴性，而假阳性和假阴性分别为73和45。这表明VGG-16的精度与RESNET-50相比有显著差异：
2、Evaluation of predictors based on independent dataset testing
使用了94个samp和94个非samp的未见数据。VGG16在所有评估指标方面都比RESNET-50表现出更好的结果：
另一个独立的数据集，Indp2，包括1032个samp和1032个非samp，仅考虑长度在11 ~ 30个残基之间的序列，用于测试模型：
3、Comparative analysis with state-of-the-art methods
4、Validation through molecular docking
为描述sAMP-PFPDeep预测与对接结果的相关性，绘制结合能(γG)与预测评分(p值)的相关图：
文章来源：https://www.toymoban.com/news/detail-705683.html
预测结果与图中趋势线所示的结合能密切相关，除了少数被错误预测为阴性的肽(non-sAMPs)。趋势线的起伏对所有287个肽都是同步的。此外，这些肽与8种细菌受体的结合能较高，表明它们具有较强的抗菌活性候选性，而sAMP- pfpdeep对sAMP的预测也证明了这一点。这表明，通过提出的方法预测为sAMP的肽是对细菌受体表现出强结合能的候选肽。此外，该方法主要用途是，实验生物学家可以在进行分子对接模拟或任何体外实验之前，通过所提出的方法预测肽的类别是sAMPs还是non-sAMPs。文章来源地址https://www.toymoban.com/news/detail-705683.html
到了这里，关于Brief. Bioinformatics2021 | sAMP-PFPDeep+：利用三种不同的序列编码和深度神经网络预测短抗菌肽的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
