2022
IEEE/ACM Transactions on Computational Biology and Bioinformatics , Q1
Статьи в журналах
Cui Z., Chen Z.H., Zhang Q., Gribova V.V., Filaretov V.F., Huang D.S. RMSCNN: A Random Multi-Scale Convolutional Neural Network for Marine Microbial Bacteriocins Identification // IEEE/ACM Transactions on Computational Biology and Bioinformatics. 2022. Vol. 19, no. 6. Pp. 3663-3672. ISSN 1545-5963. DOI 10.1109/TCBB.2021.3122183.
Злоупотребление традиционными антибиотиками привело к повышению резистентности бактерий и вирусов. Подобно функции антибактериальных пептидов, бактериоцины чаще встречаются как разновидность пептидов, вырабатываемых бактериями, которые обладают бактерицидным или бактериальным действием. Что еще более важно, морская среда является одним из наиболее богатых ресурсов для извлечения морских микробных бактериоцинов (MMBS). Идентификация бактериоцинов из морских микроорганизмов является общей целью разработки новых лекарств. Эффективное использование MMBs значительно облегчит нынешнюю проблему злоупотребления антибиотиками. В этой работе глубокое обучение используется для выявления значимых MMBS. Мы предлагаем метод случайной многослойной сверточной нейронной сети. В настройках слоев мы устанавливаем случайную модель для случайного обновления значения слоя. Метод выбора слоя может уменьшить непредвиденные обстоятельства, вызванные искусственной настройкой при определенных условиях, тем самым делая метод более обширным. Результаты показывают, что эффективность классификации предложенного метода лучше, чем у современных методов классификации. Кроме того, прогнозируются некоторые потенциальные MMBS, и для этих кандидатов проводится несколько различных анализов последовательностей. Стоит отметить, что после анализа последовательностей эндонуклеазы HNH различных морских бактерий рассматриваются как потенциальные бактериоцины.