来源：期刊VIP网 时间：
作者：王晓;吴洲;王宏伟;王榕;陈浩然;
单位：郑州轻工业大学计算机科学与技术学院;河南省食品安全数据智能重点实验室;郑州轻工业大学食品与生物工程学院;郑州轻工业大学电子信息学院;
摘要：针对目前已有抗菌肽(Antimicrobial Peptides, AMPs)预测模型的准确度(ACC)仍有待提高的问题，提出一种新的基于深度学习和蛋白质语言模型的抗菌肽预测模型DeepGlap,该模型分别采用两个蛋白质语言模型对抗菌肽序列进行特征提取，将提取的特征向量融合后输入由多层双向长短记忆网络(mBi-LSTM)、一维卷积神经网络(1D-CNN)和注意力机制组成的深度学习网络中，并进行性能评估与优化。结果表明：该模型的ACC、皮尔逊相关系数(MCC)和曲线下的面积(AUC)分别为0.739、0.489和0.81,优于已有抗菌肽预测模型的预测效果。
关键词：抗菌肽;;预测模型;;食源性病原体;;蛋白质语言模型;;深度学习网络
基金资助：国家自然科学基金青年科学基金项目（32101976,61906175）;; 河南省科技攻关项目（232102210020,20210221014）;; 河南省高等学校重点科研项目（22A520013,23B520004）
