基于标签依赖性的多功能活性肽预测模型

摘要

多功能活性肽是一种源于蛋白质的化合物，能够作用于多个靶标并传递多种生理效应，对多种疾病具有显著的治疗效果。现有多功能活性肽预测模型在特征表示阶段未能充分考虑到氨基酸之间存在的关联性，使得模型的特征表示能力降低；现有方法采用将多标签分类问题转换为多个二分类预测问题的策略，导致模型在预测阶段无法考虑活性肽多个功能之间的依赖性，使得模型对多功能活性肽的预测准确度下降。针对以上问题，提出一种基于标签依赖性的多功能活性肽预测模型TCLD,通过Transformer编码器提取活性肽序列中氨基酸之间的关联性，利用ZLPR损失函数来捕获多个功能之间对应的标签依赖性，用于提高多功能活性肽预测模型的性能。实验结果表明，TCLD的预测性能优于现有的多功能活性肽预测方法，有助于研究人员快速筛选出具有潜在治疗价值的多功能活性肽候选物，从而加速新型药物的研发进程。

关键词

多功能活性肽 / Transformer / 多尺度卷积网络 / 混合池化 / 标签依赖性