数字信号处理与集成预测模型相结合促进蛋白质的理性设计
计算工程、金融与科学
2020-10-08 v1 机器学习
生物大分子
摘要
预测蛋白质中突变的效应是蛋白质工程中最关键的挑战之一；通过了解蛋白质序列中一个或多个残基替换对其整体性质的影响，可以设计出具有期望功能的变体。用于创建预测模型的新策略与方法学不断被开发。然而，那些声称通用的模型往往达不到足够的性能，而那些针对特定任务的模型则以牺牲方法通用性为代价来提升预测性能。此外，这些方法通常需要对氨基酸序列进行特定的编码决策，在此方面缺乏明确的方法学共识。为解决这些问题，本工作中我们对 AAIndex 数据库应用聚类、嵌入与降维技术，以选取编码阶段中有意义的理化性质组合。随后我们使用所选性质集获得同一序列的多种编码，并继而对其应用快速傅里叶变换（FFT）。我们在频域中使用不同算法与超参数进行机器学习模型的探索阶段。最后，我们在每组性质中选取性能最佳的预测模型并创建集成模型。我们在不同数据集上广泛测试了所提方法，并证明所生成的集成模型取得了明显优于基于单一编码的模型、且在多数情况下优于先前报道模型的性能度量。所提方法作为 Python 库在 GNU 通用公共许可证（GPLv3）下供非商业使用。
引用
@article{arxiv.2010.03516,
title = {Combination of digital signal processing and assembled predictive models facilitates the rational design of proteins},
author = {David Medina-Ortiz and Sebastian Contreras and Juan Amado-Hinojosa and Jorge Torres-Almonacid and Juan A. Asenjo and Marcelo Navarrete and Álvaro Olivera-Nappa},
journal= {arXiv preprint arXiv:2010.03516},
year = {2020}
}