基于深度集成模型的淀粉样蛋白形成倾向预测工具开发

《Bioinformatics Advances》：AmyloDeep: pLM-based ensemble model for predicting amyloid propensity from the amino acid sequence

　　

摘要

背景

淀粉样蛋白主要是富含β-折叠结构的稳定蛋白质，能够在人体内存存多年。淀粉样蛋白聚集体会导致多种神经退行性疾病的发病，如阿尔茨海默病、帕金森病和亨廷顿病，并参与多种重要生理功能，如记忆形成和免疫系统功能。

结果

在这里，我们利用先进的机器学习和深度学习技术来预测氨基酸序列的淀粉样蛋白形成倾向。首先，我们汇总了来自多个来源的标记氨基酸序列数据，得到了一个包含2365个序列的大致平衡的数据集，用于二元分类。我们利用这些数据对ESM2模型进行了微调，并基于ESM2和UniRep的蛋白质嵌入信息训练了新的模型。随后，将这些模型的预测结果整合到一个统一的软投票集成模型中，得到了高度稳健且准确的结果。我们还开发了一个工具，用户可以通过该工具提供氨基酸序列并获取输入序列中不同片段的淀粉样蛋白形成概率。

用户可以通过以下网址访问AmyloDeep的简化版本：https://amylodeep.com/；完整模型则作为Python包在以下网址提供：https://pypi.org/project/amylodeep/。