基于混合特征的化学修饰抗菌肽及其亚功能活性预测研究

为应对抗菌肽（AMPs）耐药挑战及化学修饰抗菌肽（cmAMPs）分析预测工具匮乏问题，研究人员构建双层模型 iCMAMP。首层 iCMAMP-1L 整合多特征提升预测准确性（ACC 0.934，MCC 0.868），次层 iCMAMP-2L 基于二肽组成预测亚功能，为 cmAMPs 研究提供新工具。

　　

抗菌肽（Antimicrobial Peptides, AMPs）对多种病原体展现广谱活性，为缓解抗菌耐药的紧迫挑战提供了有前景的策略。近期研究表明，包含化学修饰氨基酸的化学修饰抗菌肽（chemically Modified Antimicrobial Peptides, cmAMPs）有望减轻传统 AMPs 常见的副作用。然而，专门用于分析和预测 cmAMPs 及其亚功能的计算方法仍显著缺乏。在本研究中，提出了一种双层模型 iCMAMP，用于鉴定 cmAMPs 及其亚功能活性。第一层 iCMAMP-1L 整合了三类共七组特征，并结合集成方法以提高 cmAMPs 的预测准确性。该集成方法有效从异质特征集中提取相关见解，同时应对潜在的维度挑战。在测试数据集上，iCMAMP-1L 实现了 0.934 的准确率（ACC）和 0.868 的马修斯相关系数（MCC），分别比现有唯一预测 cmAMPs 的方法 AntiMPmod 提高了 3.4% 和 6.8%。cmAMPs 与其对应 AMPs 的对比分析显示，化学修饰可显著降低 AMPs 相关的溶血和毒性，而肽的功能特性主要由其序列决定。模型的第二层 iCMAMP-2L 采用多标签分类方法预测 cmAMPs 的亚功能活性，特别关注基于二肽组成的特征。在测试数据集上，iCMAMP-2L 实现了 0.390 的准确率（Accuracy）和 0.621 的绝对真实值（Absolute true）。iCMAMP 模型中使用的数据和 Python 代码可在https://github.com/swicher123/iCMAMP/tree/master获取。