《Frontiers in Microbiology》：Multi-feature fusion for gene prediction and functional peptide identification
编辑推荐：
本文提出GP2FI深度学习框架，通过MHA-preconv模型（CNN+Transformer）实现98%准确率的基因预测，并基于FuncPred-CB模型（BERT+CNN-BiLSTM）在抗癌肽（ACP）和抗菌肽（AMP）识别中分别达到92%/96%的准确率。该多任务融合架构显著提升了功能肽筛选效率，为肿瘤治疗和感染控制提供了新型计算工具。
引言
功能肽尤其是抗癌肽（ACP）和抗菌肽（AMP）因其在肿瘤治疗和免疫防御中的重要作用成为研究热点。传统实验鉴定方法存在耗时久、成本高、通量低等局限，而现有计算方法在特征表征和跨任务预测能力方面存在不足。GP2FI框架通过整合基因预测模型MHA-preconv与功能肽识别模型FuncPred-CB，构建了端到端的深度学习解决方案。
方法
GP2FI采用两阶段深度学习架构。MHA-preconv模型首先从基因组序列中提取开放阅读框（ORF），通过六类手工特征（单密码子使用度、双密码子使用度、翻译起始位点TIS、ORF长度、GC含量、碱基组成）与独热编码融合，经CNN模块提取局部模式后，由8头注意力机制的Transformer编码器捕获长程依赖关系。FuncPred-CB模型则将翻译后的蛋白序列通过预训练BERT语言模型生成上下文语义嵌入，并行输入CNN通道（3层卷积核）和Bi-LSTM通道，最终通过多层感知器（MLP）实现ACP/AMP双任务分类。模型训练采用Adam优化器，损失函数为二元交叉熵。
结果
在基因预测任务中，MHA-preconv在9个独立物种数据集上平均准确率达97.56%，较Prodigal提升0.02，在100个新基因组子集测试中最高准确率达97.78%。功能肽识别方面，FuncPred-CB在ACP数据集上获得92.49%准确率与94.58% AUC，显著优于ACP-DRL等6种对比方法；在AMP任务中达到95.9%准确率与98.7% AUC，超越AMPPred-MFA等基准模型。理化性质热图分析显示，高等电点（pI）与正电荷序列倾向具有ACP活性，而高疏水性（GRAVY）与芳香性特征则与AMP功能相关。
讨论
GP2FI的创新性体现在三方面：首次将Transformer架构用于ORF特征提取，突破传统方法对手工特征的依赖；通过预训练语言模型实现多肽序列的语义表征；双通道设计兼顾局部结构与全局上下文建模。当前局限在于未涵盖翻译后修饰与非核糖体肽合成途径，后续将引入联合训练实现真正端到端流程。
结论
该研究构建的多任务深度学习框架GP2FI，在基因预测与功能肽识别领域展现出卓越性能，为高效发现新型抗癌与抗菌肽提供了可靠的计算基础，对推进精准医疗与抗感染治疗具有重要实践价值。
