基于序列信息來(lái)預(yù)測(cè)潛在的抗癌多肽的深度學(xué)習(xí)方法

癌癥是人類(lèi)健康最致命的殺手，在全球范圍內(nèi)每年造成數(shù)百萬(wàn)人的死亡。傳統(tǒng)的物理和化學(xué)方法，包括靶向治療、化療和放射治療等醫(yī)療實(shí)踐中常見(jiàn)的治療手段，在一定程度上能殺死病變癌細(xì)胞，但是同時(shí)也會(huì)殺死大量正常的細(xì)胞，帶來(lái)嚴(yán)重的副作用。這些治療手段費(fèi)用昂貴且預(yù)后效果不佳，迫切需要開(kāi)發(fā)新的定向清除癌細(xì)胞，治療癌癥的有效方法。

圖：抗癌多肽數(shù)據(jù)集中各氨基酸組分及預(yù)測(cè)模型性能表現(xiàn)

抗癌多肽（anticancer peptides，ACP），一種長(zhǎng)度通常小于50氨基酸的陽(yáng)離子型多肽的發(fā)現(xiàn)為癌癥治療開(kāi)辟了新前景。ACP多發(fā)現(xiàn)自抗菌多肽（antimicrobial peptides， AMP）中，具有很多優(yōu)良的特性，包括高特異性、廣譜性、安全性、易于合成和定制、成本低廉等?？拱┒嚯目梢蕴禺愋缘亟Y(jié)合癌細(xì)胞的陰離子細(xì)胞膜分子，而對(duì)正常細(xì)胞沒(méi)有影響。因此，它們可以選擇性地殺死癌細(xì)胞，而不帶來(lái)副作用。多年來(lái)，ACP療法在臨床的不同階段被廣泛探索和應(yīng)用，但是只有少數(shù)被最終用于臨床治療。ACP的鑒定高度受限于實(shí)驗(yàn)室，昂貴且周期漫長(zhǎng)。計(jì)算預(yù)測(cè)的方法在幫助篩選、發(fā)現(xiàn)和預(yù)測(cè)抗癌多肽中的作用越來(lái)越迫切和明顯。

中國(guó)科學(xué)院新疆理化技術(shù)研究所研究人員首次開(kāi)發(fā)和提出了基于序列信息來(lái)預(yù)測(cè)潛在的抗癌多肽的深度學(xué)習(xí)方法。首先，研究人員基于現(xiàn)有的研究，整理構(gòu)建了用于機(jī)器學(xué)習(xí)的抗癌多肽數(shù)據(jù)集，其中，正樣本為實(shí)驗(yàn)驗(yàn)證的ACP，負(fù)樣本為不具有抗癌活性的AMP。然后，保留氨基酸殘基組分和位置信息的高效多肽序列特征提取技術(shù)被提出，將生物序列信息轉(zhuǎn)化為數(shù)字特征。最后，基于長(zhǎng)短時(shí)記憶模型的深度學(xué)習(xí)模型被構(gòu)建和訓(xùn)練以預(yù)測(cè)新型ACP。嚴(yán)格的實(shí)驗(yàn)結(jié)果表明，所開(kāi)發(fā)的方法具有高準(zhǔn)確性、魯棒性，可以作為相關(guān)生物醫(yī)學(xué)研究的有效工具。

該工作以ACP-DL： A Deep Learning Long Short-Term Memory Model to Predict Anticancer Peptides Using High-Efficiency Feature Representation 為題，于近日發(fā)表于Molecular Therapy-Nucleic Acids，第一作者為新疆理化所研究生易海成，指導(dǎo)老師為研究員尤著宏。該工作得到國(guó)家自然科學(xué)基金優(yōu)秀青年科學(xué)基金和中科院項(xiàng)目的支持。