留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

抗微生物肽机器学习预测算法综述

刘明友 刘红美 张招方 朱映雪 黄健

刘明友, 刘红美, 张招方, 朱映雪, 黄健. 抗微生物肽机器学习预测算法综述[J]. 电子科技大学学报, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
引用本文: 刘明友, 刘红美, 张招方, 朱映雪, 黄健. 抗微生物肽机器学习预测算法综述[J]. 电子科技大学学报, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
LIU Mingyou, LIU Hongmei, ZHANG Zhaofang, ZHU Yingxue, HUANG Jian. Review of Machine Learning Prediction Algorithms for Antimicrobial Peptides[J]. Journal of University of Electronic Science and Technology of China, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
Citation: LIU Mingyou, LIU Hongmei, ZHANG Zhaofang, ZHU Yingxue, HUANG Jian. Review of Machine Learning Prediction Algorithms for Antimicrobial Peptides[J]. Journal of University of Electronic Science and Technology of China, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188

抗微生物肽机器学习预测算法综述

doi: 10.12178/1001-0548.2022188
基金项目: 国家自然科学基金(62071099);贵州省卫生健康委科学技术基金(gzwkj2023-590)
详细信息
    作者简介:

    刘明友(1985 – ),男,主要从事生物信息学及大数据方面的研究

    通讯作者: 黄健,E-mail:hj@uestc.edu.cn
  • 中图分类号: TP399

Review of Machine Learning Prediction Algorithms for Antimicrobial Peptides

  • 摘要: 传统抗微生物肽识别分析主要通过实验手段进行,效率低,耗费较多人力物力。最新的抗微生物肽识别方法是将计算机技术和生物信息学相结合,通过机器学习方法进行大数据挖掘分析,从大量的多肽序列数据里面预测抗微生物肽,从而加快抗微生物肽的识别。收集并分类整理了近10年来计算机辅助抗微生物肽识别的研究文献,从中梳理出抗微生物肽的主要数据资源、抗微生物肽识别的特征工程、抗微生物肽的机器学习预测算法和抗微生物肽的回归分析方法。同时,进一步对机器学习算法的模型性能评估方法进行综述,总结其中存在的不足并展望了未来的发展方向。
  • 图  1  CAL转换后的肽序列图片

    表  1  抗微生物肽数据资源详细列表

    数据类型数据库名称URL简介
    抗微生物肽综合
    数据库
    APDhttp://aps.unmc.edu/AP/抗菌肽数据为主,包含抗病毒肽、抗癌肽等数据
    DRAMPhttp://dramp.cpu-bioinfor.org/包含有专利的抗菌肽和临床验证的抗菌肽等数据
    抗病毒肽数据库ACovPepDBhttp://i.uestc.edu.cn/ACovPepDB/收录了518条抗冠状病毒肽序列数据
    AVPdbhttp://crdd.osdd.net/servers/avpdb收录了经过医学验证的多种抗病毒肽数据
    AVPpredhttp://crdd.osdd.net/servers/avppred收集了大量经过实验验证的抗病毒肽数据
    HIPdbhttp://crdd.osdd.net/servers/hipdb通过人工管理的经过实验验证的抗病毒肽数据库
    抗菌肽数据库CAMPhttp://www.camp3.bicnirrh.res.in包含抗菌肽的序列、结构及其家族特异性等信息
    DBAASPhttp://dbaasp.org收集了大量经过实验验证的抗菌肽及其靶标信息
    dbAMPhttp://awi.cuhk.edu.cn/dbAMP收录了大量经过实验验证的抗菌肽数据
    抗真菌肽数据库PlantAFPhttp://bioinformatics.cimap.res.in/sharma/PlantAFP/收集了经过实验验证的植物源抗真菌肽数据
    下载: 导出CSV

    表  2  抗微生物肽预测模型与工具列表

    类型名称URL简介
    抗微生物肽分类
    预测模型与工具
    AMPfunhttp://fdblab.csie.ncu.edu.tw/AMPfun/index.html基于随机森林的抗微生物肽预测模型
    AntiVPP 1.0https://github.com/bio-coding/AntiVPP基于随机森林的抗病毒肽预测模型
    AVPIdenhttp://awi.cuhk.edu.cn/AVPIden/基于随机森林抗病毒肽预测模型
    AVPpredhttp://crdd.osdd.net/servers/avppred基于支持向量机的分类预测模型
    Deep-AntiFPhttps://github.com/shahidawkum/Deep-AntiFP基于深度神经网络的抗真菌肽预测模型
    ENNAVIAhttps://research.timmons.eu/ennavia基于深度神经网络的抗病毒肽预测模型
    FIRM-AVPhttps://msc-viz.emsl.pnnl.gov/AVPR基于支持向量机的抗病毒肽预测模型
    iAMP-2Lhttp://www.jci-bioinfo.cn/iAMP-2L基于FKNN的多分类预测模型
    iAMP-CA2Lhttp://www.jci-bioinfo.cn/基于神经网络的抗微生物肽预测模型
    iAMPpredhttp://cabgrid.res.in:8080/amppred/基于支持向量机的抗微生物肽预测模型
    PEPred-Suitehttp://server.malab.cn/PEPred-Suite基于随机森林的治疗性预测模型
    PreAntiCoVhttps://github.com/poncey/PreAntiCoV基于随机森林的抗冠状病毒肽预测模型
    抗微生物肽回归
    预测模型与工具
    APDhttps://www.chemoinfolab.com/antifungal/基于SVR构建的抗真菌肽预测模型
    c_AMPhttps://github.com/mayuefine/c_AMPs-prediction基于深度神经网络的分类模型
    iAFPs-EnC-GAhttps://github.com/farmanit335/iAFPs-EnC-GA基于集成模型的抗真菌肽分类模型
    下载: 导出CSV
  • [1] GOMES B, AUGUSTO M T, FELÍCIO M R, et al. Designing improved active peptides for therapeutic approaches against infectious diseases[J]. Biotechnology Advances, 2018, 36(2): 415-429. doi:  10.1016/j.biotechadv.2018.01.004
    [2] 曹隽喆, 顾宏. 基于计算方法的抗菌肽预测[J]. 计算机学报, 2017, 40(12): 2777. doi:  10.11897/SP.J.1016.2017.02777

    CAO J Z, GU H. A review on prediction of antimicrobial peptides based on computational methods[J]. Chinese Journal of Computers, 2017, 40(12): 2777. doi:  10.11897/SP.J.1016.2017.02777
    [3] PFALZGRAFF A, BRANDENBURG K, WEINDL G. Antimicrobial peptides and their therapeutic potential for bacterial skin infections and wounds[J]. Frontiers in Pharmacology, 2018, 9: 281. doi:  10.3389/fphar.2018.00281
    [4] O'BRIEN-SIMPSON N M, HOFFMANN R, CHIA C S, et al. Antimicrobial and anticancer peptides[J]. Frontiers in Chemistry, 2018, 6: 13. doi:  10.3389/fchem.2018.00013
    [5] LV Z, CUI F, ZOU Q, et al. Anticancer peptides prediction with deep representation learning features[J]. Briefings in Bioinformatics, 2021, 22(5): bbab008. doi:  10.1093/bib/bbab008
    [6] SHARMA R, SHRIVASTAVA S, KUMAR S S, et al. Deep-AFPpred: Identifying novel antifungal peptides using pretrained embeddings from seq2vec with 1DCNN-BiLSTM[J]. Briefings in Bioinformatics, 2022, 23(1): bbab422.
    [7] MIKUT R. Computer-based analysis, visualization, and interpretation of antimicrobial peptide activities[J]. Methods Mol Biol, 2010, 618: 287-299.
    [8] KIESLICH C A, ALIMIRZAEI F, SONG H, et al. Data-driven prediction of antiviral peptides based on periodicities of amino acid properties[M]. Istanbul: Elsevier, 2021.
    [9] LEE H T, LEE C C, YANG J R, et al. A large-scale structural classification of antimicrobial peptides[J]. Biomed Res Int, 2015, 2015: 475062.
    [10] WANG G, LI X, WANG Z. APD3: The antimicrobial peptide database as a tool for research and education[J]. Nucleic Acids Research, 2016, 44(D1): 1087-1093. doi:  10.1093/nar/gkv1278
    [11] MIZUGUCHI T, OHASHI N, NOMURA W, et al. Anti-HIV screening for cell-penetrating peptides using chloroquine and identification of anti-HIV peptides derived from matrix proteins[J]. Bioorganic & Medicinal Chemistry, 2015, 23(15): 4423-4427.
    [12] WAGHU F H, BARAI R S, GURUNG P, et al. CAMPR3: A database on sequences, structures and signatures of antimicrobial peptides[J]. Nucleic Acids Research, 2016, 44(D1): 1094-1097. doi:  10.1093/nar/gkv1051
    [13] PIRTSKHALAVA M, AMSTRONG A A, GRIGOLAVA M, et al. DBAASP v3: Database of antimicrobial/cytotoxic activity and structure of peptides as a resource for development of new therapeutics[J]. Nucleic Acids Research, 2021, 49(D1): 288-297. doi:  10.1093/nar/gkaa991
    [14] KANG X, DONG F, SHI C, et al. DRAMP 2.0, an updated data repository of antimicrobial peptides[J]. Scientific Data, 2019, 6(1): 1-10. doi:  10.1038/s41597-018-0005-2
    [15] SHI G, KANG X, DONG F, et al. DRAMP 3.0: An enhanced comprehensive data repository of antimicrobial peptides[J]. Nucleic Acids Research, 2022, 50(D1): 488-496. doi:  10.1093/nar/gkab651
    [16] JHONG J H, CHI Y H, LI W C, et al. dbAMP: An integrated resource for exploring antimicrobial peptides with functional activities and physicochemical properties on transcriptome and proteome data[J]. Nucleic Acids Research, 2019, 47(D1): 285-297. doi:  10.1093/nar/gky1030
    [17] JHONG J H, YAO L, PANG Y, et al. dbAMP 2.0: Updated resource for antimicrobial peptides with an enhanced scanning method for genomic and proteomic data[J]. Nucleic Acids Research, 2022, 50(D1): 460-470. doi:  10.1093/nar/gkab1080
    [18] QURESHI A, THAKUR N, TANDON H, et al. AVPdb: A database of experimentally validated antiviral peptides targeting medically important viruses[J]. Nucleic Acids Research, 2014, 42(D1): 1147-1153. doi:  10.1093/nar/gkt1191
    [19] JONES J C, SETTLES E W, BRANDT C R, et al. Identification of the minimal active sequence of an anti-influenza virus peptide[J]. Antimicrobial Agents and Chemotherapy, 2011, 55(4): 1810-1813. doi:  10.1128/AAC.01428-10
    [20] CHEN S L, MORGAN T R. The natural history of hepatitis C virus (HCV) infection[J]. International Journal of Medical Sciences, 2006, 3(2): 47.
    [21] TAYLOR T J, BROCKMAN M A, MCNAMEE E E, et al. Herpes simplex virus[J]. Frontiers in Bioscience-Landmark, 2002, 7(4): 752-764. doi:  10.2741/A809
    [22] WELLIVER R C. Review of epidemiology and clinical risk factors for severe respiratory syncytial virus (RSV) infection[J]. The Journal of Pediatrics, 2003, 143(5): 112-117. doi:  10.1067/S0022-3476(03)00508-0
    [23] FERRARI C. Hbv and the immune response[J]. Liver International, 2015, 35: 121-128. doi:  10.1111/liv.12749
    [24] MURPHY B R, WHITEHEAD S S. Immune response to dengue virus and prospects for a vaccine[J]. Annual Review of Immunology, 2011, 29: 587-619. doi:  10.1146/annurev-immunol-031210-101315
    [25] WEC A Z, WRAPP D, HERBERT A S, et al. Broad neutralization of SARS-related viruses by human monoclonal antibodies[J]. Science, 2020, 369(6504): 731-736. doi:  10.1126/science.abc7424
    [26] QURESHI A, THAKUR N, KUMAR M. HIPdb: A database of experimentally validated HIV inhibiting peptides[J]. Plos One, 2013, 8(1): e54908. doi:  10.1371/journal.pone.0054908
    [27] POLANCO C, SAMANIEGO J L, CASTAÑÓN-GONZÁLEZ J A, et al. Polar profile of antiviral peptides from AVPpred Database[J]. Cell Biochemistry and Biophysics, 2014, 70(2): 1469-1477.
    [28] ZHANG Q, CHEN X, LI B, et al. A database of anti-coronavirus peptides[J]. Scientific Data, 2022, 9(1): 1-9. doi:  10.1038/s41597-021-01104-5
    [29] WANG F, LI N, WANG C, et al. DPL: A comprehensive database on sequences, structures, sources and functions of peptide ligands[J]. Database (Oxford), 2020, 2020: baaa089.
    [30] LI T, LI L, DU F, et al. Activity and mechanism of action of antifungal peptides from microorganisms: A review[J]. Molecules, 2021, 26(11): 3438. doi:  10.3390/molecules26113438
    [31] TYAGI A, PANKAJ V, SINGH S, et al. PlantAFP: A curated database of plant-origin antifungal peptides[J]. Amino Acids, 2019, 51(10): 1561-1568.
    [32] AGRAWAL P, RAGHAVA G. Prediction of antimicrobial potential of a chemically modified peptide from its tertiary structure[J]. Frontiers in Microbiology, 2018, 9: 2551. doi:  10.3389/fmicb.2018.02551
    [33] ZHANG J, YANG L, TIAN Z, et al. Large-scale screening of antifungal peptides based on quantitative structure-activity relationship[J]. ACS Medicinal Chemistry Letters, 2021, 13(1): 99-104.
    [34] WANG B, YAO Y, WEI P W, et al. Housefly phormicin inhibits staphylococcus aureus and MRSA by disrupting biofilm formation and altering gene expression in vitro and in vivo[J]. International Journal of Biological Macromolecules, 2021, 167: 1424-1434. doi:  10.1016/j.ijbiomac.2020.11.096
    [35] WANG B, WEI P W, YAO Y, et al. Functional and expression characteristics identification of Phormicins, novel AMPs from Musca domestica with anti-MRSA biofilm activity, in response to different stimuli[J]. International Journal of Biological Macromolecules, 2022, 209: 299-314. doi:  10.1016/j.ijbiomac.2022.03.204
    [36] BRUMFITT W, HAMILTON-MILLER J. Methicillin-resistant staphylococcus aureus[J]. New England Journal of Medicine, 1989, 320(18): 1188-1196. doi:  10.1056/NEJM198905043201806
    [37] NARITA M, NARITA M, ITSUNO Y, et al. Protein folding structures: Formation of folding structures based on probability theory[J]. ACS Omega, 2016, 1(6): 1355-1366. doi:  10.1021/acsomega.6b00206
    [38] YANG S, HUANG J, HE B. CASPredict: A web service for identifying cas proteins[J]. PeerJ, 2021, 9: e11887. doi:  10.7717/peerj.11887
    [39] ZHOU Y, XIE S, YANG Y, et al. SSH2.0: A better tool for predicting the hydrophobic interaction risk of monoclonal antibody[J]. Frontiers in Genetics, 2022, 13: 842127. doi:  10.3389/fgene.2022.842127
    [40] ZHOU Y W, YUE P, HUANG J. CISI2.0: A better tool for predicting cross-interaction or self-interaction of antibodies based on sequences[J]. Journal of University of Electronic Science and Technology of China, 2021, 50(5): 659-666.
    [41] CHEN Y M, ZU X P, LI D. Identification of proteins of tobacco mosaic virus by using a method of feature extraction[J]. Frontiers in Genetics, 2020, 11: 569100. doi:  10.3389/fgene.2020.569100
    [42] NASEER S, ALI R F, MUNEER A, et al. IAmideV-deep: Valine amidation site prediction in proteins using deep learning and pseudo amino acid compositions[J]. Symmetry, 2021, 13(4): 560.
    [43] CHEN Z, ZHAO P, LI F, et al. iFeature: A python package and web server for features extraction and selection from protein and peptide sequences[J]. Bioinformatics, 2018, 34(14): 2499-2502. doi:  10.1093/bioinformatics/bty140
    [44] WEI L, ZHOU C, SU R, et al. PEPred-Suite: Improved and robust prediction of therapeutic peptides using adaptive feature representation learning[J]. Bioinformatics, 2019, 35(21): 4272-4280. doi:  10.1093/bioinformatics/btz246
    [45] QIAN L, WEN Y, HAN G. Identification of cancerlectins using support vector machines with fusion of G-gap dipeptide[J]. Frontiers in Genetics, 2020, 11: 275. doi:  10.3389/fgene.2020.00275
    [46] QIANG X, ZHOU C, YE X, et al. CPPred-FL: A sequence-based predictor for large-scale identification of cell-penetrating peptides by feature representation learning[J]. Briefings in Bioinformatics, 2020, 21(1): 11-23.
    [47] HOU R, WU J, XU L, et al. Computational prediction of protein arginine methylation based on composition-transition-distribution features[J]. ACS Omega, 2020, 5(42): 27470-27479. doi:  10.1021/acsomega.0c03972
    [48] KOU Z, FAN X, LI J, et al. Using amino acid features to identify the pathogenicity of influenza B virus[J]. Infectious Diseases of Poverty, 2022, 11(1): 1-13. doi:  10.1186/s40249-021-00931-3
    [49] ZOU Q, WAN S, JU Y, et al. Pretata: Predicting TATA binding proteins with novel features and dimensionality reduction strategy[J]. BMC Systems Biology, 2016, 10(4): 401-412.
    [50] SAKAR C O, KURSUN O, GURGEN F. A feature selection method based on kernel canonical correlation analysis and the minimum redundancy-maximum relevance filter method[J]. Expert Systems with Applications, 2012, 39(3): 3432-3437. doi:  10.1016/j.eswa.2011.09.031
    [51] SCHADUANGRAT N, NANTASENAMAT C, PRACHAYASITTIKUL V, et al. Meta-iAVP: A sequence-based meta-predictor for improving the prediction of antiviral peptides using effective feature representation[J]. International Journal of Molecular Sciences, 2019, 20(22): 5743. doi:  10.3390/ijms20225743
    [52] XIAO X, SHAO Y T, CHENG X, et al. iAMP-CA2L: A new CNN-BiLSTM-SVM classifier based on cellular automata image for identifying antimicrobial peptides and their functional types[J]. Briefings in Bioinformatics, 2021, 22(6): bbab209. doi:  10.1093/bib/bbab209
    [53] XIAO X, LIN W Z, CHOU K C. Recent advances in predicting protein classification and their applications to drug development[J]. Current Topics in Medicinal Chemistry, 2013, 13(14): 1622-1635. doi:  10.2174/15680266113139990113
    [54] SHIN H C, ROTH H R, GAO M, et al. Deep convolutional neural networks for computer-aided detection: CNN architectures, dataset characteristics and transfer learning[J]. IEEE Transactions on Medical Imaging, 2016, 35(5): 1285-1298. doi:  10.1109/TMI.2016.2528162
    [55] SIAMI-NAMINI S, TAVAKOLI N, NAMIN A S. The performance of LSTM and BiLSTM in forecasting time series[C]//2019 IEEE International Conference on Big Data (Big Data). Los Angeles: IEEE, 2019: 3285-3292.
    [56] BIAU G. Analysis of a random forests model[J]. The Journal of Machine Learning Research, 2012, 13(1): 1063-1095.
    [57] LOH W Y. Classification and regression trees[J]. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2011, 1(1): 14-23. doi:  10.1002/widm.8
    [58] BASITH S, MANAVALAN B, SHIN T H, et al. SDM6A: A web-based integrative machine-learning framework for predicting 6mA sites in the rice genome[J]. Molecular Therapy-Nucleic Acids, 2019, 18: 131-141. doi:  10.1016/j.omtn.2019.08.011
    [59] CHANG K Y, YANG J R. Analysis and prediction of highly effective antiviral peptides based on random forests[J]. PloS One, 2013, 8(8): e70166. doi:  10.1371/journal.pone.0070166
    [60] CHICCO D, JURMAN G. The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation[J]. BMC Genomics, 2020, 21(1): 1-13. doi:  10.1186/s12864-019-6419-1
    [61] LISSABET J F B, BELÉN L H, FARIAS J G. AntiVPP 1.0: A portable tool for prediction of antiviral peptides[J]. Computers in Biology and Medicine, 2019, 107: 127-130. doi:  10.1016/j.compbiomed.2019.02.011
    [62] CHUNG C R, KUO T R, WU L C, et al. Characterization and identification of antimicrobial peptides with different functional activities[J]. Briefings in Bioinformatics, 2020, 21(3): 1098-1114. doi:  10.1093/bib/bbz043
    [63] PANG Y, WANG Z, JHONG J H, et al. Identifying anti-coronavirus peptides by incorporating different negative datasets and imbalanced learning strategies[J]. Brief Bioinform, 2021, 22(2): 1085-1095. doi:  10.1093/bib/bbaa423
    [64] PANG Y, YAO L, JHONG J H, et al. AVPIden: A new scheme for identification and functional prediction of antiviral peptides based on machine learning approaches[J]. Briefings in Bioinformatics, 2021, 22(6): bbab263. doi:  10.1093/bib/bbab263
    [65] BOOPATHI V, SUBRAMANIYAM S, MALIK A, et al. mACPpred: A support vector machine-based meta-predictor for identification of anticancer peptides[J]. International Journal of Molecular Sciences, 2019. 20(8): 1964.
    [66] THAKUR N, QURESHI A, KUMAR M. AVPpred: Collection and prediction of highly effective antiviral peptides[J]. Nucleic Acids Research, 2012, 40(W1): W199-W204. doi:  10.1093/nar/gks450
    [67] CHOWDHURY A S, REEHL S M, KEHN-HALL K, et al. Better understanding and prediction of antiviral peptides through primary and secondary structure feature importance[J]. Scientific Reports, 2020, 10(1): 1-8. doi:  10.1038/s41598-019-56847-4
    [68] MEHER P K, SAHU T K, SAINI V, et al. Predicting antimicrobial peptides with improved accuracy by incorporating the compositional, physico-chemical and structural features into Chou’s general PseAAC[J]. Scientific Reports, 2017, 7(1): 1-12. doi:  10.1016/j.chemolab.2020.104214
    [69] TIMMONS P B, HEWAGE C M. ENNAVIA is a novel method which employs neural networks for antiviral and anti-coronavirus activity prediction for therapeutic peptides[J]. Briefings in Bioinformatics, 2021, 22(6): bbab258.
    [70] AHMAD A, AKBAR S, KHAN S, et al. Deep-AntiFP: Prediction of antifungal peptides using distanct multi-informative features incorporating with deep neural networks[J]. Chemometrics and Intelligent Laboratory Systems, 2021, 208: 104214. doi:  10.1093/bib/bbab258
    [71] XIAO X, WANG P, LIN W Z, et al. iAMP-2L: A two-level multi-label classifier for identifying antimicrobial peptides and their functional types[J]. Analytical Biochemistry, 2013, 436(2): 168-177. doi:  10.1016/j.ab.2013.01.019
    [72] ZHANG Y, LIN J, ZHAO L, et al. A novel antibacterial peptide recognition algorithm based on BERT[J]. Briefings in Bioinformatics, 2021, 22(6): bbab200. doi:  10.1093/bib/bbab200
    [73] AHMAD A, AKBAR S, TAHIR M, et al. iAFPs-EnC-GA: Identifying antifungal peptides using sequential and evolutionary descriptors based multi-information fusion and ensemble learning approach[J]. Chemometrics and Intelligent Laboratory Systems, 2022, 222: 104516. doi:  10.1016/j.chemolab.2022.104516
    [74] MA Y, GUO Z, XIA B, et al. Identification of antimicrobial peptides from the human gut microbiome using deep learning[J]. Nat Biotechnol, 2022, 40(6): 921-931. doi:  10.1038/s41587-022-01226-0
    [75] PARIKH R, MATHAI A, PARIKH S, et al. Understanding and using sensitivity, specificity and predictive values[J]. Indian Journal of Ophthalmology, 2008, 56(1): 45. doi:  10.4103/0301-4738.37595
    [76] DZISOO A M, HE B, KARIKARI R, et al. CISI: A tool for predicting cross-interaction or self-interaction of monoclonal antibodies using sequences[J]. Interdisciplinary Sciences: Computational Life Sciences, 2019, 11(4): 691-697. doi:  10.1007/s12539-019-00330-1
    [77] CHAI T, DRAXLER R R. Root mean square error (RMSE) or mean absolute error (MAE)[J]. Geoscientific Model Development Discussions, 2014, 7(1): 1525-1534.
    [78] CHICCO D, WARRENS M J, JURMAN G. The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation[J]. PeerJ Computer Science, 2021, 7: e623. doi:  10.7717/peerj-cs.623
    [79] VILASBOAS L C P, CAMPOS M L, BERLANDA R L A, et al. Antiviral peptides as promising therapeutic drugs[J]. Cellular and Molecular Life Sciences, 2019, 76(18): 3525-3542. doi:  10.1007/s00018-019-03138-w
    [80] EL-BITAR A M H, SARHAN M, ABDEL-RAHMAN M A, et al. Smp76, a scorpine-like peptide isolated from the venom of the scorpion Scorpio maurus palmatus, with a potent antiviral activity against hepatitis C virus and dengue virus[J]. International Journal of Peptide Research and Therapeutics, 2020, 26(2): 811-821. doi:  10.1007/s10989-019-09888-2
    [81] LI Q, ZHAO Z, ZHOU D, et al. Virucidal activity of a scorpion venom peptide variant mucroporin-M1 against measles, SARS-CoV and influenza H5N1 viruses[J]. Peptides, 2011, 32(7): 1518-1525. doi:  10.1016/j.peptides.2011.05.015
    [82] RIDER T H, ZOOK C E, BOETTCHER T L, et al. Broad-spectrum antiviral therapeutics[J]. PloS One, 2011, 6(7): e22572. doi:  10.1371/journal.pone.0022572
    [83] MEHER P K, SAHU T K, SAINI V, et al. Predicting antimicrobial peptides with improved accuracy by incorporating the compositional, physico-chemical and structural features into Chou's general PseAAC[J]. Scientific Reports, 2017, 7: 42362. doi:  10.1038/srep42362
    [84] DONG G F, ZHENG L, HUANG S H, et al. Amino acid reduction can help to improve the identification of antimicrobial peptides and their functional activities[J]. Frontiers in Genetics, 2020, 21: 669328.
    [85] ARONICA P G A, REID L M, DESAI N, et al. Computational methods and tools in antimicrobial peptide research[J]. Journal of Chemical Information and Modeling, 2021, 61(7): 3172-3196. doi:  10.1021/acs.jcim.1c00175
    [86] BHADRA P, YAN J, LI J, et al. AmPEP: Sequence-based prediction of antimicrobial peptides using distribution patterns of amino acid properties and random forest[J]. Scientific Reports, 2018, 8(1): 1-10.
    [87] MANAVALAN B, BASITH S, LEE G. Comparative analysis of machine learning-based approaches for identifying therapeutic peptides targeting SARS-CoV-2[J]. Briefings in Bioinformatics, 2022, 23(1): bbab412. doi:  10.1093/bib/bbab412
    [88] QURESHI A, TANDON H, KUMAR M. AVP-IC50Pred: Multiple machine learning techniques-based prediction of peptide antiviral activity in terms of half maximal inhibitory concentration (IC50)[J]. Peptide Science, 2015, 104(6): 753-763. doi:  10.1002/bip.22703
    [89] SUNDARARAJAN M, NAJMI A. The many Shapley values for model explanation[C]// International Conference on Machine Learning. [S.l.]: PMLR, 2020: 9269-9278.
    [90] RAMAZI S, MOHAMMADI N, ALLAHVERDI A, et al. A review on antimicrobial peptides databases and the computational tools[J]. Database, 2022, 2022: baac011. doi:  10.1093/database/baac011
    [91] ZHANG Y, YAN J, CHEN S, et al. Review of the applications of deep learning in bioinformatics[J]. Current Bioinformatics, 2020, 15(8): 898-911.
    [92] LI J, PU Y, TANG J, et al. DeepAVP: A dual-channel deep neural network for identifying variable-length antiviral peptides[J]. IEEE Journal of Biomedical and Health Informatics, 2020, 24(10): 3012-3019. doi:  10.1109/JBHI.2020.2977091
    [93] SUH S, LEE H, LUKOWICZ P, et al. CEGAN: Classification enhancement generative adversarial networks for unraveling data imbalance problems[J]. Neural Networks, 2021, 133: 69-86. doi:  10.1016/j.neunet.2020.10.004
    [94] ZHOU J, CUI G, HU S, et al. Graph neural networks: A review of methods and applications[J]. AI Open, 2020, 1: 57-81. doi:  10.1016/j.aiopen.2021.01.001
    [95] WEI L, YE X, XUE Y, et al. ATSE: A peptide toxicity predictor by exploiting structural and evolutionary information based on graph neural network and attention mechanism[J]. Briefings in Bioinformatics, 2021, 22(5): bbab041. doi:  10.1093/bib/bbab041
    [96] SALEM M, KESHAVARZI A A, YUAN J S. AMPDeep: Hemolytic activity prediction of antimicrobial peptides using transfer learning[J]. BMC Bioinformatics, 2022, 23(1): 1-17.
  • [1] 丁璟韬, 徐丰力, 孙浩, 严钢, 胡延庆, 李勇, 周涛.  人工智能驱动的复杂系统研究前沿 . 电子科技大学学报, 2024, 53(3): 1-7. doi: 10.12178/1001-0548.2023257
    [2] 李西, 姜孟.  机器学习在帕金森病诊断中的应用研究 . 电子科技大学学报, 2024, 53(2): 315-320. doi: 10.12178/1001-0548.2023180
    [3] 胡兆龙, 胡俊建, 彭浩, 韩建民, 朱响斌, 丁智国.  基于深度随机森林算法的短期用户负荷预测—以金华地区为例 . 电子科技大学学报, 2023, 52(3): 430-437. doi: 10.12178/1001-0548.2022172
    [4] 专栏编委会.  本期“生物信息”专栏评述 . 电子科技大学学报, 2022, 51(1): 24-24.
    [5] 专栏编委会.  本期“生物信息”专栏评述 . 电子科技大学学报, 2022, 51(4): 493-493.
    [6] 专栏编委会.  本期“生物信息”专栏评述 . 电子科技大学学报, 2022, 51(5): 660-660. doi: 10.12178/1001-0548.20220501
    [7] 张平, 吴念悦, 张浩天, 李功利, 刘加林, 李科.  心外科手术患者重症监护室住院时间预测模型研究 . 电子科技大学学报, 2022, 51(4): 500-505. doi: 10.12178/1001-0548.2022004
    [8] 冯小兵, 曾宇怀, 吴泽鹏, 杭文, 魏书精, 汤龙坤, 胡海波.  基于卫星多光谱的广东亚热带森林FMC遥感反演 . 电子科技大学学报, 2022, 51(3): 432-437. doi: 10.12178/1001-0548.2021361
    [9] 周丰丰, 牛甲昱.  细胞穿膜肽识别问题的多特征融合卷积网络预测算法 . 电子科技大学学报, 2022, 51(4): 494-499. doi: 10.12178/1001-0548.2021391
    [10] 张仕斌, 黄曦, 昌燕, 闫丽丽, 程稳.  大数据环境下量子机器学习的研究进展及发展趋势 . 电子科技大学学报, 2021, 50(6): 802-819. doi: 10.12178/1001-0548.2021332
    [11] 苏伟, 孙自杰, 岳鹏, 林昊.  利用计算生物学方法识别原核启动子的研究进展 . 电子科技大学学报, 2021, 50(5): 667-675. doi: 10.12178/1001-0548.2021201
    [12] AnthonyMackitz DZISOO, 任丽萍, 谢诗扬, 周雨薇, 黄健.  治疗性抗体可开发性评估研究进展 . 电子科技大学学报, 2021, 50(3): 476-480. doi: 10.12178/1001-0548.2021060
    [13] 杨旺功, 淮永建, 张福泉.  基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
    [14] 吴佳, 陈森朋, 陈修云, 周瑞.  基于强化学习的模型选择和超参数优化 . 电子科技大学学报, 2020, 49(2): 255-261. doi: 10.12178/1001-0548.2018279
    [15] 张亮亮, 唐有, 张翌维, 王新安.  针对密码芯片数据搬移能量曲线的机器学习攻击 . 电子科技大学学报, 2019, 48(3): 415-419. doi: 10.3969/j.issn.1001-0548.2019.03.017
    [16] 陈启明, 黄瑞.  下肢外骨骼机器人意图识别算法研究 . 电子科技大学学报, 2018, 47(3): 330-336. doi: 10.3969/j.issn.1001-0548.2018.03.002
    [17] 何海江.  基于排序学习算法的软件错误定位模型研究 . 电子科技大学学报, 2017, 46(3): 577-582. doi: 10.3969/j.issn.1001-0548.2017.03.016
    [18] 谭颖, 张涛, 谭睿, 沈小涛, 校景中.  基于小波变换与SVM的ADHD病人分类 . 电子科技大学学报, 2015, 44(5): 789-794. doi: 10.3969/j.issn.1001-0548.2015.05.025
    [19] 王明会, 龚艺, 王强, 冯焕清, 李骜.  整合序列与蛋白相互作用特征的亚细胞定位预测 . 电子科技大学学报, 2015, 44(3): 467-470. doi: 10.3969/j.issn.1001-0548.2015.03.026
    [20] 柏骏, 夏靖波, 鹿传国, 李明辉, 任高明.  基于RVM的网络流量分类研究 . 电子科技大学学报, 2014, 43(2): 241-246. doi: 10.3969/j.issn.1001-0548.2014.02.016
  • 加载中
图(1) / 表(2)
计量
  • 文章访问数:  5373
  • HTML全文浏览量:  1771
  • PDF下载量:  119
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-06-05
  • 修回日期:  2022-08-25
  • 网络出版日期:  2022-11-28
  • 刊出日期:  2022-11-25

抗微生物肽机器学习预测算法综述

doi: 10.12178/1001-0548.2022188
    基金项目:  国家自然科学基金(62071099);贵州省卫生健康委科学技术基金(gzwkj2023-590)
    作者简介:

    刘明友(1985 – ),男,主要从事生物信息学及大数据方面的研究

    通讯作者: 黄健,E-mail:hj@uestc.edu.cn
  • 中图分类号: TP399

摘要: 传统抗微生物肽识别分析主要通过实验手段进行,效率低,耗费较多人力物力。最新的抗微生物肽识别方法是将计算机技术和生物信息学相结合,通过机器学习方法进行大数据挖掘分析,从大量的多肽序列数据里面预测抗微生物肽,从而加快抗微生物肽的识别。收集并分类整理了近10年来计算机辅助抗微生物肽识别的研究文献,从中梳理出抗微生物肽的主要数据资源、抗微生物肽识别的特征工程、抗微生物肽的机器学习预测算法和抗微生物肽的回归分析方法。同时,进一步对机器学习算法的模型性能评估方法进行综述,总结其中存在的不足并展望了未来的发展方向。

English Abstract

刘明友, 刘红美, 张招方, 朱映雪, 黄健. 抗微生物肽机器学习预测算法综述[J]. 电子科技大学学报, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
引用本文: 刘明友, 刘红美, 张招方, 朱映雪, 黄健. 抗微生物肽机器学习预测算法综述[J]. 电子科技大学学报, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
LIU Mingyou, LIU Hongmei, ZHANG Zhaofang, ZHU Yingxue, HUANG Jian. Review of Machine Learning Prediction Algorithms for Antimicrobial Peptides[J]. Journal of University of Electronic Science and Technology of China, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
Citation: LIU Mingyou, LIU Hongmei, ZHANG Zhaofang, ZHU Yingxue, HUANG Jian. Review of Machine Learning Prediction Algorithms for Antimicrobial Peptides[J]. Journal of University of Electronic Science and Technology of China, 2022, 51(6): 830-840. doi: 10.12178/1001-0548.2022188
  • 随着新冠病毒的大流行,微生物感染造成的伤害越来越严重。世界卫生组织在 2017年估计,仅流感每年就造成多达几十万人死亡,而新冠病毒大流行也已导致数百万人死亡。病毒、耐药细菌、真菌等微生物感染已成为人类面临的严重健康威胁。传统药物在治疗微生物感染性疾病时,会出现诸多问题,包括产生耐药性、毒副作用等,急需开发安全高效的新型抗微生物感染药物。抗微生物肽 (antimicrobial peptides, AP) 是能抵抗微生物感染的多肽[1],包括抗菌肽、抗病毒肽、抗真菌肽等,具有高效、低毒、广谱的抗微生物活性的优点且基本无耐药性问题[2]。以抗菌肽为例,与抗生素相比,抗菌肽能快速杀死细菌,还有免疫调节作用等优点[3]。抗菌肽对高等动物的正常细胞基本没有毒性作用,还能抑制某些靶肿瘤细胞的生长。因此,抗菌肽已成为人类与动物医学研究的热点[4-5]。传统识别抗微生物肽的方法通过生物实验来进行,随着高通量测序技术的发展和测序成本的持续降低,产生了海量的测序数据。用传统方法从高通量序列中识别抗微生物肽工作量大、效率低、耗时费力、成本高昂。抗微生物肽预测方法风生水起,这类方法通过对已有抗微生物肽数据的分析来挖掘出序列特征和抗微生物活性之间的关联,从而做出定性或定量的推断[6-7]。由于不依赖于生物实验,其计算方法具有高效快捷、成本低廉等特点[8],非常适合大规模抗微生物肽的数据预测[9]。本文将从数据资源、数据处理方法、预测算法、性能评估等几个模块对抗微生物肽预测研究进行综述。

    • 随着生物医学实验与生物信息学的发展,相关学者已构建了一批抗微生物肽数据库。这些数据资源的积累,为后续抗微生物肽预测算法研究提供了必不可少的数据支撑。抗微生物肽的详细数据资源如表1所示。

      表 1  抗微生物肽数据资源详细列表

      数据类型数据库名称URL简介
      抗微生物肽综合
      数据库
      APDhttp://aps.unmc.edu/AP/抗菌肽数据为主,包含抗病毒肽、抗癌肽等数据
      DRAMPhttp://dramp.cpu-bioinfor.org/包含有专利的抗菌肽和临床验证的抗菌肽等数据
      抗病毒肽数据库ACovPepDBhttp://i.uestc.edu.cn/ACovPepDB/收录了518条抗冠状病毒肽序列数据
      AVPdbhttp://crdd.osdd.net/servers/avpdb收录了经过医学验证的多种抗病毒肽数据
      AVPpredhttp://crdd.osdd.net/servers/avppred收集了大量经过实验验证的抗病毒肽数据
      HIPdbhttp://crdd.osdd.net/servers/hipdb通过人工管理的经过实验验证的抗病毒肽数据库
      抗菌肽数据库CAMPhttp://www.camp3.bicnirrh.res.in包含抗菌肽的序列、结构及其家族特异性等信息
      DBAASPhttp://dbaasp.org收集了大量经过实验验证的抗菌肽及其靶标信息
      dbAMPhttp://awi.cuhk.edu.cn/dbAMP收录了大量经过实验验证的抗菌肽数据
      抗真菌肽数据库PlantAFPhttp://bioinformatics.cimap.res.in/sharma/PlantAFP/收集了经过实验验证的植物源抗真菌肽数据
    • APD (antimicrobial peptide database) 是一个以抗菌肽数据为主的抗微生物肽数据库[10],收集并存储了 2169 条抗菌肽序列及其功能活性等特征信息。此外,该数据库还收录了172条抗病毒肽[11]、80条抗寄生虫肽和185条抗癌肽。CAMP抗菌肽数据库[12]收录了抗菌肽的序列、结构及家族特异性等方面的信息。升级版的CAMPR3目前拥有10247条序列,为研究抗菌肽的结构和功能信息提供了资源。DBAASPv3抗菌肽数据库[13]存储了大量通过实验验证的抗菌肽及其靶标信息,该数据库包含超过15700条序列记录,包括超过14500条单体及近400条同源和异源多聚体抗菌肽。 在单体抗菌肽 (monomeric antimicrobial peptides, AMP) 中,超过12000条是合成的,约2700条是核糖体合成的,约170条是非核糖体合成的。DRAMP抗菌肽数据库[14]收录了普通抗菌肽、有专利的抗菌肽和经过临床验证的抗菌肽。DRAMP2.0版本共收录条目19899条 (新增条目2550条),其中一般条目5084条、专利条目14739条、临床验证的条目76条,与APD和CAMP相比,DRAMP包含14040条非冗余序列,DRAMP已经更新到3.0版本[15],包含22259条抗菌肽记录 (新增2360条),其中一般条目5891条、专利条目16110条、临床验证的条目77条、stapled 抗菌肽 181条。dbAMP抗菌肽数据库[16] 包括4271条经过实验验证的抗菌肽和8118 条根据其功能活性推测的抗菌肽。升级后的dbAMP2.0[17] 数据库包含了来自3044个物种的26447条抗菌肽和2262条抗菌蛋白。

    • AVPdb抗病毒肽数据库[18]提供了60余种经过医学验证了的能够抵抗如流感病毒[19]、丙型肝炎病毒[20]、单疱疹病毒[21]、呼吸道合胞病毒[22]、乙型肝炎病毒[23]、登革热病毒[24]、SARS病毒[25]等感染的多肽序列。HIPdb抗病毒肽数据库[26]是一个手工管理的数据库,收录经过实验验证的981条抗病毒肽,包含抗病毒肽的序列、长度、来源、靶标、细胞系等各方面的信息。AVPpred数据库[27] 收集了1245条经过实验验证的能够抵抗如流感、HIV、HCV和SARS等重要人类病毒的抗病毒肽记录,同时还提供抗病毒肽预测服务。也有针对特定病毒的抗病毒肽数据库,如最新的抗冠状病毒肽数据库ACovPepDB [28]。该数据库收集了大量的抗冠状病毒肽数据资源,主要来自于1972 ~ 2021年间的2199篇已发表论文,还有部分抗冠状病毒肽数据从AVPpred[27] 和DPL[29]等数据库收集而来。该数据库共收录了518条抗冠状病毒肽序列,其中214条为非冗余序列,包括抗冠状病毒肽的名称、长度、来源、靶标等信息。该数据库的构建为后期抗冠状病毒肽的预测分析研究提供了资源。

    • 在前述抗菌肽数据库中,有的也收录了不少抗真菌肽数据[30],如APD数据库除了收集大量抗菌肽数据外,还收录了959条抗真菌肽记录,升级到APD3后,抗真菌肽增加到了1133条。DRAMP数据库中也有1802条抗真菌肽。PlantAFP[31] 是一个植物源抗真菌肽数据库,收集了经过实验验证的植物源抗真菌肽数据,该数据库的当前版本包含2585条肽条目,每个条目都包含肽的综合信息,包括肽序列、肽名称、肽类别、肽长度、分子量、抗真菌活性和肽来源,并以 SMILES 格式存储肽序列。为了方便用户使用,该数据库中集成了许多检索工具,包括 BLAST 搜索、肽搜索、SMILES 搜索,且还包含肽图。Antifp_main[32] 也收集了大量抗真菌肽的研究数据,共计1168条抗真菌肽记录。文献[33]在抗真菌肽研究上做了大量工作,通过计算机辅助方法,从大量多肽序列中,定量预测了5000多条抗真菌肽数据。

    • 为了确定多肽的抗微生物活性,需要做许多实验验证的工作,如文献[34]通过实验确定了家蝇的防卫素 (Phormicin) 多肽[35]对金黄色葡萄球菌和耐甲氧西林金黄色葡萄球菌(Methicillin-resistant Staphylococcus aureus, MRSA)[36]的体内外抗感染作用。在小鼠烫伤模型中,经防卫素处理后,MRSA细菌载量明显下降。在黑水虻幼虫实验中,该防卫素破坏了金黄色葡萄球菌和MRSA生物膜的形成,表明家蝇防卫素通过影响生物膜和相关基因网络,帮助宿主抑制 MRSA感染。

      通过实验能够确定多肽的抗微生物活性,但这样的实验需要耗费较多人力,所需时间和开销也很大。面对高通量多肽数据,更适合的策略是开发快速高效的预测方法进行初筛,再对最为可能的候选抗微生物肽进行实验验证,这就需要对抗微生物肽数据进行特征提取。

    • 多肽序列由20种氨基酸残基序列组成,这20种氨基酸分别为:甘氨酸 (Gly缩写G) 、丙氨酸 (Ala缩写A) 、缬氨酸 (Val缩写V) 、亮氨酸 (Leu缩写L) 、异亮氨酸 (Ile缩写I) 、甲硫氨酸 (Met缩写M) 、脯氨酸 (Pro缩写P) 、色氨酸 (Trp缩写W) 、丝氨酸 (Ser缩写S) 、酪氨酸 (Tyr缩写Y) 、半胱氨酸 (Cys缩写C) 、苯丙氨酸 (Phe缩写F) 、天冬酰胺 (Asn缩写N) 、谷氨酰胺 (Gln缩写Q) 、苏氨酸 (Thr缩写T) 、天冬氨酸 (Asp缩写D) 、谷氨酸 (Glu缩写E) 、赖氨酸 (Lys缩写K) 、精氨酸 (Arg缩写R) 和组氨酸 (His缩写H),这20种氨基酸是组成生命体中蛋白质的主要单元[37]。要进行肽功能的识别,首先需要提取多肽序列中的特征信息。

    • 氨基酸组分 (amino acid composition, AAC) [38]是指在给定序列中,20种天然氨基酸各自出现的频率,然后计算每一种氨基酸在整个肽序列中的组分属性,具体如下:

      $$ \mathrm{A}\mathrm{A}\mathrm{C}\mathrm{ }=\frac{X\left(i\right)}{\displaystyle{\sum\limits_{i=1}^{20}}X\left(i\right)} $$ (1)

      式中,i表示任意一种氨基酸;$ X\left(i\right) $代表整个序列中第i种氨基酸出现的次数,如氨基酸序列 ‘KTCENLADTFRGPCFATSNC’,其中氨基酸A出现了2次,则其AAC值为2/20=0.1,通过AAC的分析提取肽序列中每种氨基酸的特征信息。

    • DPC (dipeptide composition) 二肽组分是AAC计算法的扩展,它统计氨基酸对出现的次数特征信息[39],如序列‘LFRLIKSLIKRLVSAFK’中LI出现了2次,则其计算特征为2/(17−1)=0.125。同理,可计算三肽出现的特征信息。

    • CKSAAP 描述符[40]是 DPC 的进一步扩展。当k=0 时,该特征方法就是DPC,通过计算两个氨基酸对之间间隔的氨基酸数来提取特征;当k=3时,表示一对氨基酸之间间隔3个氨基酸残基, 该方法作为一个有效的特征描述符来表示短肽序列的特征信息,其计算公式为:

      $$ {\left(\frac{{N}_{\mathrm{A}\mathrm{A}}}{{N}_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}},\frac{{N}_{\mathrm{A}\mathrm{C}}}{{N}_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}},\frac{{N}_{\mathrm{A}\mathrm{D}}}{{N}_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}},\cdots ,\frac{{N}_{\mathrm{Y}\mathrm{Y}}}{{N}_{\mathrm{t}\mathrm{a}\mathrm{t}\mathrm{o}\mathrm{l}}}\right)}_{400} $$ (2)

      为了更细化地进行分析,CKSAAGP[41]将氨基酸按照其物理化学性质分成5类,分别为:脂肪族氨基酸 (g1),芳香族氨基酸 (g2),带正电荷氨基酸 (g3),带负电荷氨基酸 (g4) 和不带电氨基酸 (g5)。如“aliphatic.X.X.aromatic”,其中“X”表示任何出现在“脂肪族和芳香族”两种氨基酸之间的氨基酸对,对于长度为 L 的氨基酸肽,如果 k 间隔残基对在肽中出现了 n 次,则特征计算为 n/(L−(k+1)),从而提取到氨基酸的CKSAAGP特征信息。

      类似这种氨基酸提取方法还有很多,这些特征选择算法大部分都集成到iFeature中[42-43],它能够计算和提取包含 53 种不同类型的特征描述符。iFeature 还集成了 12 种不同类型的常用的特征聚类、选择和降维算法,为后期的机器学习预测算法提供强大的支撑。

    • 随着机器学习的演进,特征提取算法也出现了许多新变化,新的特征工程为特定的预测分析方法提供了更多选择。

    • PEPred-Suite[44]利用10种常用的特征编码方法对特征进行编码,包括:AAC、DPC、GGAP[45]、ASDC[46]、组成−转换−分布 (CTD)[47]、20位特征 (BIT20)、21位特征 (BIT21)[48]、重叠属性特征、信息论特征和物理化学特征 (188D) [49]。这些特征编码信息作为特征数据集存储在特征池中,然后运用随机森林算法对特征进行学习,从而产生新的特征向量,将特征向量输入最小冗余最大相关算法中进行特征排序[50],然后将排序靠前的特征作为后期随机森林分类的学习特征。

    • Meta-iAVP[51]进一步提出了新的特征选择方法,该模型先利用前面的数学模型特征提取算法把多肽序列特征提取出来,然后将这些特征输入随机森林、支持向量机、KNN等机器学习算法模型中进行进一步特征学习提取,将学习提取到的特征作为后期随机森林分类算法的特征输入。

    • iAMP-CA2L[52]使用了新的特征提取方法,首先将氨基酸按照二进制编码进行转化,20种氨基酸按照5位二进制编码方法转换成20种二进制编码,然后利用CAL机制将二进制编码转换成图片[53]。该方法的特点是图片可以通过裸眼的方式区分不同多肽序列的差异之处,该方法转换生成的图片如图1所示。

      图  1  CAL转换后的肽序列图片

      有了多肽序列图片数据,就可以通过深度学习或神经网络来进行图像特征学习,iAMP-CA2L采用卷积神经网络 (convolutional neural network, CNN) 来进行图像特征学习,CNN是一种前馈神经网络,通过卷积运算提取特征,然后使用池化层学习数据的局部特征。它不需要对输入数据进行大量预处理,可以学习到真实反映数据类型的内在相关性的特征信息[54]。然后将CNN学习到的特征输入到BiLSTM模型中进行上下文特征提取,从而获取到最终的多肽序列特征信息,将这些信息最终输入支持向量机进行分类分析。BiLSTM 由前向 LSTM 和后向 LSTM 组成,BiLSTM 在自然语言处理任务中常用于处理上下文信息,使用LSTM模型可以更好地捕捉长距离依赖,因为LSTM在学习过程中可以学习到哪些信息要记住,哪些信息要忘记。 BiLSTM 能够有效地捕获到前向和后向特征之间的关系,从而更好地学习到多肽序列特征之间的特征信息[55]

    • 近年来,随着机器学习算法的日新月异,许多优秀的机器学习算法不断运用到生物医药大数据的分析当中,加快了抗微生物肽的预测识别进程。

    • 最典型的机器学习预测方法就是随机森林算法 (random forest, RF) [56],RF算法是一个包含多个决策树的分类器。RF模型基于许多弱分类和回归树 (classification and regression tree, CART) 而成,其中每个分类器是使用独立于输入向量采样的随机向量生成的,以提高 CART 的预测性能[57]

      RF已被广泛用于模拟各种生物学问题当中[58]。文献[59]首次运用RF进行抗病毒肽的预测,该模型提取抗病毒肽序列的物理化学属性作为特征选项,然后运用RF算法进行分类学习,其准确率为90%,马修斯相关系数 (Matthews correlation coefficient, MCC)[60]为0.79。另一个运用随机森林进行抗病毒肽预测分析的模型是2019年文献[61]提出的AntiVPP,其准确率为93.00%,MCC为0.87。同样2019年基于RF的PEPred-Suite[44],其抗病毒肽预测性能为86.4%,MCC系数为0.725。基于RF的 AMPfun[62] 作为一个抗微生物肽分类模型,在独立数据集上测试,其抗病毒肽预测准确率为86.13%,MCC值为0.71,抗真菌肽预测准确率为74.58%,MCC值为0.52。2021年发表的PreAntiCoV[63]用于抗冠状病毒肽的预测,考虑到数据的不平衡性,该模型引入非平衡随机森林技术预测抗冠状病毒肽的性能指标,其MCC值为0.57。同样,基于随机森林的AVPIden[64] 用来预测分析抗病毒肽,其准确率为91.50%。

    • 支持向量机 (support vector machine, SVM) 模型[65]可以通过将输入样本映射到更高维空间,然后搜索用于构造分类器的超平面来解决由于使用小型训练数据集而引起的过拟合问题。 为了对高维样本进行线性分离,SVM 采用许多核函数将输入从具有 p维特征向量的样本空间转换为具有 n 维特征向量的特征空间,其中 p < n。2012年提出的AVPpred[66]模型运用支持向量机来进行抗病毒肽的预测,并构建了基准数据集,其抗病毒肽预测最高准确率为85.00%,MCC为0.70。另外一个使用支持向量机构建的模型是2020年的FIRM-AVP[67] 模型,其预测抗病毒肽准确率为92.40%,MCC值为0.84。2017年发表的iAMPpred[68] 也构建在支持向量机基础之上,其抗菌肽预测准确率最高为94.69%,MCC相关系数为0.89,其抗病毒肽预测准确率最高为90.08%,MCC相关系数为0.80,其抗真菌肽预测最高准确率为93.35%,MCC相关系数为0.87。

    • 基于神经网络的算法分为两种,一种对氨基酸进行二进制编码,然后将编码信息输入神经网络进行特征学习,将学习到的抗微生物肽特征信息输入分类算法进行识别。iAMP-CA2L[52] 就是其中的典型算法之一,该算法用于识别抗菌肽的最高准确率为94.13%,然后在识别出的抗菌肽中分辨抗病毒功能,其分辨抗病毒肽准确率为80.57%。另一种是将传统数学模型提取的特征信息输入到神经网络当中,通过神经网络来进行学习,从而完成抗病毒肽的识别,典型代表是ENNAVIA[69] 。该算法专门用来进行抗病毒肽和抗冠状病毒肽的预测,算法模型基于深度神经网络构建而成,其抗病毒肽最高准确率为93.90%,MCC值为0.87。Deep-AntiFP[70] 基于深度神经网络技术,用来对抗真菌肽进行预测分析,在独立数据集上进行测试,其准确率为89.08%,MCC值为0.78。

    • iAMP-2L[71]基于模糊k最邻近 (fuzzy k-nearest neighbor, FKNN) 网络进行抗菌肽分类,该算法进行二阶段分类识别,第一阶段识别肽序列是否为抗菌肽,第二阶段对识别到的抗菌肽进行功能区分,其抗菌肽识别最高准确率为92.23%,MCC值为0.84。另一个抗菌肽预测模型是基于谷歌公司推出的BERT模型[72],该模型是一个自然语言处理模型,能够实现自然语言的上下文识别,该模型的抗菌肽识别最高准确率为95.94%,MCC值为0.91。该模型第一阶段利用网络公开蛋白质数据集对模型进行预训练,然后再用预训练模型对抗菌肽进行识别。iAFPs-EnC-GA[73] 是基于多个分类模型构建的抗真菌肽集成分类器,首先对氨基酸进行特征编码,然后将抗真菌肽的编码特征信息输入FKNN、随机森林 (RF) 模型、K近邻 (KNN) 模型以及SVM模型进行分类,其抗真菌肽预测最高准确率为93.92%。

    • 文献[33]通过支持向量机回归模型 (support vector regression, SVR) 验证了抗真菌肽对念珠菌属等真菌的有效性,回归分析中,其相关性系数 R 均大于 0.90,进一步证实了该模型在抗真菌活性预测分析方面的准确性。文献[74]通过深度学习方法构建分类模型,然后对识别后的抗菌肽进行实验验证,在对小鼠进行体内感染实验之前,评估了11种c_AMP对真核细胞的毒性,最终选择了c_-AMP1043、c_-AMP593和c_-AMP575进行体内分析,使用感染肺炎克雷伯菌的小鼠模型,监测体重恢复数据情况。结果表明,3种抗菌肽对肺部感染具有抗菌活性,对宿主无明显不良影响。iAFPs-EnC-GA通过本地模型无关局部解释技术 (local interpretable model-agnostic explanations, LIME) 分析解释了单个特征对整体预测的贡献,同时引入另一个黑盒模型事后归因解析算法(shapley additive exPlanation, SHAP) 来衡量每个特征在建议模型中的贡献。SHAP 是基于最佳 Shapley 值聚合的全局解释方法,具有提供可解释的预测的能力,还涵盖了由于缺乏特征的方向性而发生的限制[73]。如果 SHAP 值为正,这意味着该特征推动了对抗真菌肽的预测并产生了积极的影响。如果SHAP值为负,则该特征会推动对非抗菌肽的预测并产生负面影响,LIME 分析测量单个特征,而 SHAP 分析测量整个模型特征。抗微生物肽预测模型与工具如表2所示。

      表 2  抗微生物肽预测模型与工具列表

      类型名称URL简介
      抗微生物肽分类
      预测模型与工具
      AMPfunhttp://fdblab.csie.ncu.edu.tw/AMPfun/index.html基于随机森林的抗微生物肽预测模型
      AntiVPP 1.0https://github.com/bio-coding/AntiVPP基于随机森林的抗病毒肽预测模型
      AVPIdenhttp://awi.cuhk.edu.cn/AVPIden/基于随机森林抗病毒肽预测模型
      AVPpredhttp://crdd.osdd.net/servers/avppred基于支持向量机的分类预测模型
      Deep-AntiFPhttps://github.com/shahidawkum/Deep-AntiFP基于深度神经网络的抗真菌肽预测模型
      ENNAVIAhttps://research.timmons.eu/ennavia基于深度神经网络的抗病毒肽预测模型
      FIRM-AVPhttps://msc-viz.emsl.pnnl.gov/AVPR基于支持向量机的抗病毒肽预测模型
      iAMP-2Lhttp://www.jci-bioinfo.cn/iAMP-2L基于FKNN的多分类预测模型
      iAMP-CA2Lhttp://www.jci-bioinfo.cn/基于神经网络的抗微生物肽预测模型
      iAMPpredhttp://cabgrid.res.in:8080/amppred/基于支持向量机的抗微生物肽预测模型
      PEPred-Suitehttp://server.malab.cn/PEPred-Suite基于随机森林的治疗性预测模型
      PreAntiCoVhttps://github.com/poncey/PreAntiCoV基于随机森林的抗冠状病毒肽预测模型
      抗微生物肽回归
      预测模型与工具
      APDhttps://www.chemoinfolab.com/antifungal/基于SVR构建的抗真菌肽预测模型
      c_AMPhttps://github.com/mayuefine/c_AMPs-prediction基于深度神经网络的分类模型
      iAFPs-EnC-GAhttps://github.com/farmanit335/iAFPs-EnC-GA基于集成模型的抗真菌肽分类模型
    • 为评价模型的性能,引入众多机器学习模型评价指标,进行模型之间的相互比较。列举部分常用模型评估方法:1) true positive (TP):将正例预测为正例的个数;2) true negative (TN):将负例预测为负例的个数;3) false positive (FP):将负例预测为正例的个数,即误报;4) false negative (FN):将正例预测为负例的个数,即漏报。通过评估混淆矩阵,就可以完成对模型性能的定量评估[75]

    • 准确率 (accuracy, ACC) 表示识别准确的正例和负例占总体样本的比例。通常而言,准确率越高,模型也越好。具体计算如下:

      $$ \mathrm{A}\mathrm{C}\mathrm{C}=\frac{{\rm{TN}}+{\rm{TP}}}{{\rm{TP}}+{\rm{FN}}+{\rm{TN}}+{\rm{FP}}} $$ (4)
    • 敏感性 (sensitivity, Sn),用来表示正例预测为正占所有样例预测为正的比例,用来测试将抗菌肽、抗病毒肽正确分类的能力,其计算公式如下:

      $$ \mathrm{S}\mathrm{n}=\frac{{\rm{TP}}}{{\rm{TP}}+{\rm{FP}}} $$ (5)

      在生物医学数据分析中,敏感性是测试所有患者中成功定位了多少患者,敏感性越高,正确识别出患有疾病的患者判别能力越强。

    • 特异性 (specificity, Sp)用来表示将负例预测为负例的个数,测试正确区分非抗菌肽和非抗病毒肽的能力。具体计算如下:

      $$ \mathrm{S}\mathrm{p}=\frac{{\rm{TN}}}{{\rm{TN}}+{\rm{FP}}} $$ (6)

      在生物医学方面,特异性是测试所有健康人中有多少健康人被检测为阴性,测试对没有疾病的健康人群的识别能力。

    • 马修相关系数MCC在机器学习中被用来衡量二分类和多分类的标准,它考虑了真值、假值、阳性和阴性等情况,通常被认为是一种平衡的度量措施,即使类别的数目大小不同,数据不平衡,也可以用来进行评估。MCC本质上是−1~ +1之间的相关系数值, +1 表示完美预测,0 表示平均随机预测,−1 表示逆预测,其计算公式如下:

      $$ \mathrm{M}\mathrm{C}\mathrm{C}=\frac{{\rm{TN}}\times {\rm{TP}}-{\rm{FP}}\times {\rm{FN}}}{\sqrt{({\rm{TP}}+{\rm{FP}})({\rm{TP}}+{\rm{FN}})({\rm{TN}}+{\rm{FP}})({\rm{TN}}+{\rm{FN}})}} $$ (7)

      除此之外,还有很多评价指标,可以根据实际需求进行选择,从而实现模型性能的进一步量化评估。

    • 受试者工作特征 (receiver operating characteristic, ROC) 通过绘制一条曲线,显示各种截断点的假阳性率 ( x轴) 和真阳性率( y轴)之间的权衡。假阳性率和真阳性率的计算公式为:假阳性率(FPR) = FP/(TN+FP),真阳性率 (TPR) = TP/(TP+FN),ROC曲线的形状提供了对模型性能的洞察,曲线越凸出,模型性能越好。曲线下面积 (area under the curve, AUC) 是度量ROC曲线下面积的指标,AUC接近1.0表示预测接近完美,AUC为0.5则表示随机猜测[76]

    • 回归是估计一个因变量与一个或多个自变量之间关系的过程,通过比较预测结果与实际结果之间的差异率来评估回归模型的性能。

    • 平均绝对误差 (mean absolute error, MAE)[77]也叫平均绝对离差,这个指标先对真实值与预测值的距离求和,再取平均值。具体计算如下:

      $$ {\rm{MAE}}=\frac{1}{m}\sum _{i=1}^{m}\left|f\right({x}_{i})-{y}_{i}| $$ (8)

      式中, $f\left({x}_{i}\right)$ 为预测值;$ {y}_{i} $为真实值;m为数据量,平均绝对误差可以准确地反映实际预测误差的大小,但MAE 的缺点是不能显示回归模型拟合是优还是劣。

    • 均方根误差RMSE也称标准误差[77],是在均方误差的基础上进行开方运算,常用于衡量观测值与真实值间的偏差,可以消除样本数量对评价指标的影响,使得评估指标的大小不会太依赖于样本数量,而是更多地反映模型误差,具体计算如下:

      $$ \mathrm{R}\mathrm{M}\mathrm{S}\mathrm{E}=\sqrt{\frac{1}{m}{\sum _{i=1}^{m}\left(f\right({x}_{i})-{y}_{i})^{2}}} $$ (9)
    • 决定系数 $ {R}^{2} $由3个指标组成[78],分别为SSR(sum of squares of the regression), SST(total sum of squares)和SSE(sum of squares for error),具体表达式为:

      $$ \mathrm{S}\mathrm{S}\mathrm{R}=\sum _{i=1}^{m}{\left(f\left({x}_{i}\right)-\overline{y}\right)}^{2} $$ (10)
      $$ \mathrm{S}\mathrm{S}\mathrm{T}=\sum _{i=1}^{m}{\left({y}_{i}-\overline{y}\right)}^{2} $$ (11)
      $$ \mathrm{S}\mathrm{S}\mathrm{E}=\sum _{i=1}^{m}{\left(f\left({x}_{i}\right)-{y}_{i}\right)}^{2} $$ (12)

      决定系数$ {R}^{2} $ 通过计算SSR 与 SST的比值,反应因变量 y 的全部变异能通过回归模型被自变量 x 解释的比例,如$ {R}^{2} $ 为0.9,则表示回归关系可以解释因变量 90% 的变异。具体表达式为:

      $$ {R}^{2}=\frac{\mathrm{S}\mathrm{S}\mathrm{R}}{\mathrm{S}\mathrm{S}\mathrm{T}} $$ (13)

      决定系数$ {R}^{2} $越高,越接近1,模型的拟合效果就越好,反之,决定系数$ {R}^{2} $ 越接近0,则回归直线拟合效果越差。

    • 抗微生物肽是具有抗菌、抗病毒或者抗真菌功能的多肽[79-81],相较于传统的抗生素或抗病毒药物,抗微生物肽尚无耐药等问题,可以作为传统抗生素等药物的替代品[82]

      目前,基于计算机辅助的抗微生物肽的预测方法已较为成熟,能提供较为可靠的预测结果,能减少大量的人力投入,成本更低、效率更高。

      尽管机器学习预测抗微生物肽已经取得很大进步,但该领域依然存在诸多挑战。1) 当前机器学习预测算法针对抗菌肽的预测较多[83-84],但是专门针对抗病毒肽的预测方法依然较少[85-86]。未来研究可以考虑将抗菌肽的预测分析方法迁移到抗病毒肽、抗真菌肽的研究当中。2) 抗微生物肽的机器学习预测算法研究虽然较多,但直接结合生物学意义进行可解释性分析以及随后开展生物学实验验证的研究较少[87-88]。目前,LIME、SHAP等算法[89]能够根据机器学习提取的特征进行t特征重要性排序,找出影响最终结果最多的氨基酸特征,从而为下一步的多肽功能的生物学特征研究提供参考。3) 当前抗菌肽数据库较多,但是专门的抗病毒肽、抗真菌肽数据库较少,如表1所示,现存的抗病毒肽、抗真菌肽数据大多来源于论文附带的数据。同时,不同的数据库数据格式各异,导致通用性不高,需要专门的标准化的抗微生物肽数据库[90]。4) 抗微生物肽的预测准确率有待进一步提高。最新的抗菌肽预测准确率达到95.94%,抗病毒肽预测准确率最高为93.90%,抗真菌肽预测准确率最高为93.35%。5) 目前有许多用于抗微生物肽预测的算法,大多基于传统机器学习分类方法,如随机森林、KNN、SVM等,人工智能最新的预测分析算法还未完全引入抗微生物肽的预测当中。最新深度学习已经在生物信息学上进行了大量应用[91-92],对抗神经网络也应用于最新分类研究[93],图神经网络[94-95]、自然语言处理模型也开始应用到生物学数据处理上[96],这些算法在抗微生物肽等生物医学数据分析的潜力有待进一步挖掘运用。

      综上,基于对抗微生物肽的预测算法研究,目前仍需要进一步研究的3个方向:1) 开发专门的标准化的抗微生物肽数据库,收集大量分散的抗微生物肽序列,并归类整理、动态更新,为将来的研究分析提供支撑;2) 开发通用的针对抗微生物肽的机器学习预测算法;3) 开发更多能够解读抗微生物肽机器学习预测分析结果的算法,为生物学家下一阶段的实验验证提供理论依据。抗微生物肽的分析不仅是生物科学家的工作,更需要计算机、数学等相关行业专家积极参与、多方协作,才能完成抗微生物肽的分析、验证、推广、应用等一系列完整的生态系统研究。

参考文献 (96)

目录

    /

    返回文章
    返回