用贝叶斯网络模型分类抗菌与多功能肽
应用统计
2018-10-09 v1 生物大分子
机器学习
摘要
贝叶斯网络模型在刻画酶催化反应、慢构象变化、预测酶抑制以及基因组学中正取得成功。本工作中，我们将其应用于肽的统计建模，同时识别氨基酸序列基序并利用基于基序的模型阐明基序在抗菌活性中可能起的作用。我们构建逐步精细化的模型，展示如何在不改变模型结构后重新推导模型拟合方程的情况下，将肽体系的化学知识嵌入其中。这些模型用于构建在预测肽的抗菌活性方面具有良好性能（94% 准确率，马修斯相关系数为 0.87）的分类器，同时由可解释的参数构成。我们展示这些模型用于识别可能兼具抗菌与防污性能的肽，并表明氨基酸的背景分布可能在活性中起到比序列基序更大的作用。这在可进行的肽活性建模类型及模型构建的简便性方面提供了进展。
引用
@article{arxiv.1804.06327,
title = {Classifying Antimicrobial and Multifunctional Peptides with Bayesian Network Models},
author = {Rainier Barrett and Shaoyi Jiang and Andrew D White},
journal= {arXiv preprint arXiv:1804.06327},
year = {2018}
}
备注
19 pages, 7 figures, 1 table, supporting information included