使用可靠评估方法预测肽的溶血倾向

过去数十年发现了大量具有抗菌与抗癌倾向的肽。由于这些原因，肽被认为是良好的治疗候选物。一些肽可能表现出低代谢稳定性、高毒性和高溶血性。这凸显了在治疗使用前评估肽的溶血倾向与毒性的重要性。传统的肽毒性评估方法可能耗时且昂贵。在本研究中，我们基于特定溶血标准从抗菌肽活性与结构数据库（DBAASP）中提取肽数据（Hemo-DB），并提出了一种基于机器学习的方法用于预测肽的溶血倾向（即溶血或非溶血）。我们的模型在溶血预测基准上取得显著改进。我们还提出了一种可靠的基于聚类的训练-测试划分方法，确保训练集中没有任何肽与测试集中任何肽的相似度超过40%。使用该训练-测试划分，我们可以对未见数据分布或新发现肽上的预期模型性能获得可靠估计。我们的模型在使用传统随机训练-测试划分方法的Hemo-DB测试集上达到0.9986的AUC-ROC（受试者工作特征曲线下面积）与97.79%的准确率。此外，在使用基于聚类的训练-测试数据划分时，我们的模型测试得到0.997的AUC-ROC与97.58%的准确率。进一步，我们在一个未见数据分布（Hemo-PI 3）上检验我们的模型，并记录到0.8726的AUC-ROC与79.5%的准确率。使用所提方法，可筛选潜在治疗肽，进而用于 therapeutics 并对肽的未见氨基酸分布与新发现肽获得可靠预测。