【大模型多肽发现、学习笔记】针对病毒感染的肽药物发现

文献链接：Deep-AVPpred: Artificial Intelligence Driven Discovery of Peptide Drugs for Viral Infections | IEEE Journals & Magazine | IEEE Xplore

doi：10.1109/JBHI.2021.3130825

摘要

人畜共患病病毒一直是人类面临的难以解决的问题，COVID-19流行病就是一个例子。而已知的抗病毒药有效力低、副作用强等很多缺点，所以人们开始关注于自然物质的抗病毒能力。动植物可以产生AVPs（antiviral peptides）来阻止病毒入侵本体，但获取这些AVP来合成肽药物又贵又花时间。因此，本文提出一种计算方法来识别新的AVP，方法名为Deep-AVPpred，其使用转移学习（transfer learning）理念结合深度学习算法来从蛋白质序列中发现AVPs。同时，基于这一方法，我们推出了网页工具Deep-AVPpred，其可以用于帮助抗病毒药物工作预测新AVPs。

---

数据集

在本文工作中，我们从AVPpred、DBAASP、DRAMP、SATPDB、StarPep中收集10203种AVPs，再从AVPpred、Swiss-Prot中收集8792种non-AVPs。经过一系列标准筛选后，最终所使用数据集为4090种non-AVPs和4090种AVPs.

---

模型框架

Deep-AVPpred模型结构如下图所示，

• 数据预处理。基于transfer learning理念使用了前人的工作得到的pretrained embeddings，其使用长1280的向量来编码肽序列的每一个氨基酸。
• 输入层，使用前一步处理后的数据，肽序列长度限定为∈ [5,50]，同时用0向量补齐空缺。
• 4层并联的1-D卷积层。卷积核大小依次为4、5、6、7，各filters大小都为200，以及激活函数为ReLU。
• 相应的4层1-D Global Max池化层。进行下采样任务，然后将4层输出concatenate（堆叠）起来。
• Independent Component Layer。用的前人的工作，可以更稳定学习、更快收敛速度、更好泛化能力。
• 4层串联密集层（全连接层）。依次含有64、32、8、1个神经元，前三层使用ReLU为激活函数，最后一层使用Sigmoid做激活函数，输出值∈ [0,1]。
• 权重更新，使用的Adam（Adaptive Moment Estimation）优化策略。

---

实验

分类评估指标方面，本文使用的是经典的Accuracy、Sensitivity、Precision、F1-Score、Specificity、area under ROC curve（AUROC）。同时，与目前的SOTA算法进行对比，算法有AVPcompo、iAMPpred、Meta-iAVP、AVPIden、ENNAVIA-B。