【文献分享】ESPDHot 程序：一种基于机器学习的有效预测蛋白质-DNA 相互作用热点的方法

题目：ESPDHot: An Effective Machine Learning-Based Approach for Predicting Protein–DNA Interaction Hotspots

链接：https://doi.org/10.1021/acs.jcim.3c02011

ESPDHot：一种基于机器学习的有效预测蛋白质-DNA 相互作用热点的方法

蛋白质-DNA 相互作用对于各种细胞过程至关重要。精确识别蛋白质-DNA相互作用的热点残基对于揭示蛋白质-DNA识别的复杂机制以及为蛋白质工程提供重要指导具有重要意义。针对蛋白质-DNA相互作用热点，本文提出了一种基于堆叠集成机​​器学习框架的有效预测方法ESPDHot。这里，突变导致结合自由能变化(ΔΔG)超过2kcal/mol的界面残基被定义为热点。针对数据集不平衡的问题，采用过采样技术自适应合成采样（ADASYN）来综合生成新的少数样本，从而纠正数据不平衡。对于分子特征，除了传统的特征外，我们引入了三种新的特征类型，包括我们提出的残基界面偏好、残基波动动力学特征和协同进化特征。将 Boruta 方法与我们之前开发的随机分组策略相结合，我们获得了一组最佳特征。最后，构建一个堆叠分类器来输出预测结果，该分类器集成了三种经典预测器，支持向量机（SVM）、XGBoost和人工神经网络（ANN）作为第一层，逻辑回归（LR）算法作为第二层。值得注意的是，ESPDHot 的性能优于当前最先进的预测器，在独立测试数据集上实现了优异的性能，F1、MCC 和 AUC 分别达到 0.571、0.516 和 0.870。

 

 

 

================================

以上是我们分享的一些经验或者文章的搬运，或有不足，欢迎大家指出！

如有侵权，请联系我立马删除！

详细内容（文章题目、文章链接、附件下载）可在微 信 公 众 号：原子与分子模拟获取，欢迎大家关注。