DeepPepQSAR：全面探索生物活性肽领域庞大分子多样性空间的全能工具

《Molecular Diversity》：DeepPepQSAR: all-in-one for comprehensively exploiting the vast molecular diversity space of bioactive peptide universe

　　

摘要

肽类定量结构-活性关系分析（PepQSAR）作为一种成熟的计算肽学策略，通过统计关联生物活性肽的序列/结构与活性/功能，在生物信息学和化学信息学领域备受关注。本研究提出了一种名为DeepPepQSAR的新概念，它将深度学习技术与传统PepQSAR相结合，旨在以一体化方式对生物活性肽进行定量建模、预测和解析。也就是说，各种具有不同活性类型（如抗菌、抗病毒、溶血、抗癌、抗原活性、ACE抑制剂作用、抗氧化作用、结构域结合作用等）的大量生物活性肽样本被整合到一个统一的DeepPepQSAR框架中，从而实现基于人工智能的大数据驱动的生物活性肽发现。文中还介绍了一种新的PepImage图谱，可用于直观展示长度不一的肽类的序列特征以及这些肽所具有的活性类型，随后这些数据会被输入到双路径、单通道/多通道的卷积神经网络中，用于训练、构建和验证DeepPepQSAR回归模型。我们还将基于CNN的DeepPepQSAR方法应用于大规模分子多样性空间的探索，该空间包含了从多种食物来源蛋白质中系统生成的数十亿个肽段候选物，以此实现基于人工智能的抗菌食品肽和降压食品肽的发现。最终，有14种抗菌食品肽和10种降压食品肽被判定具有良好的抗菌和ACE抑制剂活性，其中4种抗菌肽和2种降压肽的活性尤为突出。

图形摘要

本文提出了一种将深度学习与传统PepQSAR相结合的DeepPepQSAR新策略，通过基于PepImage的图形化方式对多种生物活性肽进行映射，从而构建出一套一体化分析流程。这一方法在基于人工智能的功能肽发现研究中得到了成功应用，研究者通过探索包含数十亿个食物来源蛋白质片段的大规模分子多样性空间来开展相关研究。