論文の概要: DepoRanker: A Web Tool to predict Klebsiella Depolymerases using Machine Learning
- arxiv url: http://arxiv.org/abs/2501.16405v1
- Date: Mon, 27 Jan 2025 11:48:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-29 16:40:21.981732
- Title: DepoRanker: A Web Tool to predict Klebsiella Depolymerases using Machine Learning
- Title(参考訳): DepoRanker: マシンラーニングを使ってKlebsiella De Polymeraseを予測するWebツール
- Authors: George Wright, Slawomir Michniewski, Eleanor Jameson, Fayyaz ul Amir Afsar Minhas,
- Abstract要約: DepoRankerは、タンパク質をデポリメラーゼとしてランク付けする機械学習アルゴリズムである。
Klebsiellaに対するファージ治療のためのデポリメラーゼ発見の迅速化のための、正確かつ機能的なツールを提供する。
- 参考スコア(独自算出の注目度): 0.29998889086656577
- License:
- Abstract: Background: Phage therapy shows promise for treating antibiotic-resistant Klebsiella infections. Identifying phage depolymerases that target Klebsiella capsular polysaccharides is crucial, as these capsules contribute to biofilm formation and virulence. However, homology-based searches have limitations in novel depolymerase discovery. Objective: To develop a machine learning model for identifying and ranking potential phage depolymerases targeting Klebsiella. Methods: We developed DepoRanker, a machine learning algorithm to rank proteins by their likelihood of being depolymerases. The model was experimentally validated on 5 newly characterized proteins and compared to BLAST. Results: DepoRanker demonstrated superior performance to BLAST in identifying potential depolymerases. Experimental validation confirmed its predictive ability on novel proteins. Conclusions: DepoRanker provides an accurate and functional tool to expedite depolymerase discovery for phage therapy against Klebsiella. It is available as a webserver and open-source software. Availability: Webserver: https://deporanker.dcs.warwick.ac.uk/ Source code: https://github.com/wgrgwrght/deporanker
- Abstract(参考訳): 背景:ファージ療法は抗生物質耐性のKlebsiella感染症の治療を約束する。
これらのカプセルはバイオフィルムの形成と病原性に寄与するため、クレブシエラのカプセル多糖を標的とするファージデポリメラーゼの同定が重要である。
しかし、ホモロジーに基づく探索は、新規なデポリメラーゼ発見に制限がある。
目的: Klebsiella を標的とした潜在的ファージ脱重合酵素の同定とランク付けのための機械学習モデルを開発する。
方法: DepoRankerは,タンパク質を脱重合酵素とみなす確率でランク付けする機械学習アルゴリズムである。
BLASTと比較し, 5種類の新規タンパク質について実験的に検証した。
結果: DepoRankerはBLASTよりも優れた脱重合酵素の同定性能を示した。
実験的検証により、新しいタンパク質の予測能力が確認された。
結論: DepoRankerは、Klebsiellaに対するファージ治療のためにデポリメラーゼの発見を迅速化するための正確かつ機能的なツールを提供する。
Webサーバおよびオープンソースソフトウェアとして利用可能である。
可用性: Webserver: https://deporanker.dcs.warwick.ac.uk/ ソースコード: https://github.com/wgrgwrght/deporanker
関連論文リスト
- Multi-modal Representation Learning Enables Accurate Protein Function Prediction in Low-Data Setting [0.0]
HOPER(Holistic ProtEin Representation)は、低データ設定でタンパク質機能予測(PFP)を強化するために設計された新しいフレームワークである。
本研究は,生物研究におけるデータ制限を克服するためのマルチモーダル表現学習の有効性を強調した。
論文 参考訳(メタデータ) (2024-11-22T20:13:55Z) - Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。
回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文 参考訳(メタデータ) (2024-05-23T13:22:17Z) - An Efficient Consolidation of Word Embedding and Deep Learning
Techniques for Classifying Anticancer Peptides: FastText+BiLSTM [0.0]
抗がんペプチド(英語: Anticancer peptides、ACP)は、より高い選択性と安全性を有するペプチドである。
近年の科学的進歩はペプチドベースの治療法への関心を生んでいる。
ACPは、正常な細胞に悪影響を及ぼすことなく、目的の細胞を効率的に治療する利点を提供する。
論文 参考訳(メタデータ) (2023-09-21T13:25:11Z) - PlasmoFAB: A Benchmark to Foster Machine Learning for Plasmodium
falciparum Protein Antigen Candidate Prediction [1.4680035572775534]
そこで我々はPlasmodium falciparum protein antigen candidateの探索のために機械学習手法の訓練に使用できるベンチマークであるPlasmoFABを開発した。
文献検索とドメインの専門知識を組み合わせてPlasmodium falciparum特異的タンパク質の高品質なラベルを作成しました。
利用可能な汎用サービスは,タンパク質抗原候補の同定に十分な性能を提供できないことを示す。
論文 参考訳(メタデータ) (2023-01-16T14:57:42Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-01-14T15:07:43Z) - Reprogramming Pretrained Language Models for Protein Sequence
Representation Learning [68.75392232599654]
エンドツーエンドの表現学習フレームワークである辞書学習(R2DL)による表現学習を提案する。
R2DLは、タンパク質配列の埋め込みを学ぶために、事前訓練された英語モデルを再プログラムする。
我々のモデルは,事前訓練および標準教師付き手法によって設定されたベースラインに対して,最大105ドルの精度でデータ効率を大幅に向上させることができる。
論文 参考訳(メタデータ) (2023-01-05T15:55:18Z) - HelixFold-Single: MSA-free Protein Structure Prediction by Using Protein
Language Model as an Alternative [61.984700682903096]
HelixFold-Singleは、大規模なタンパク質言語モデルとAlphaFold2の優れた幾何学的学習能力を組み合わせるために提案されている。
提案手法は,数千万の一次配列を持つ大規模タンパク質言語モデルを事前学習する。
我々は、一次系列のみから原子の3次元座標を予測するために、エンドツーエンドの微分可能なモデルを得る。
論文 参考訳(メタデータ) (2022-07-28T07:30:33Z) - CHERRY: a Computational metHod for accuratE pRediction of
virus-pRokarYotic interactions using a graph encoder-decoder model [0.0]
本研究は,リンク予測としてホスト予測を定式化したCHERRYを知識グラフに提示する。
ウイルスとプロカリアティックな相互作用予測ツールとして、CHERRYは新たに発見されたウイルスの宿主を予測したり、抗生物質耐性細菌に感染するウイルスを予測したりすることができる。
論文 参考訳(メタデータ) (2022-01-04T07:32:00Z) - CapsProm: A Capsule Network For Promoter Prediction [0.7411430445517118]
そこで本研究では,DNAのプロモーター配列を正確に同定し,カプセルネットワークに基づく汎用アーキテクチャを提案する。
私たちのモデルであるCapsPromは、生物間の学習の伝達を支援し、その適用性を高めることができます。
論文 参考訳(メタデータ) (2021-12-07T14:03:59Z) - Neural networks for Anatomical Therapeutic Chemical (ATC) [83.73971067918333]
両方向の長期記憶ネットワーク(BiLSTM)から抽出された集合を含む、特徴の異なるセットで訓練された複数の複数ラベル分類器を組み合わせることを提案する。
実験はこのアプローチのパワーを実証し、文献で報告された最良の手法よりも優れていることを示した。
論文 参考訳(メタデータ) (2021-01-22T19:49:47Z) - Text Mining to Identify and Extract Novel Disease Treatments From
Unstructured Datasets [56.38623317907416]
Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。
次に、テキストを体系的に前処理するためのパイプラインを構築します。
我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
論文 参考訳(メタデータ) (2020-10-22T19:52:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。