基于序列属性和结构特征的噬菌体-宿主多关系相互预测OA
A Multi-relationship Interaction Prediction Model of Phage and Host Based on Sequence and Structural Features
对噬菌体-宿主相互作用(phage-host interactions,PHIs)的识别可以深化对噬菌体杀菌机制的理解,并探索细菌疾病的潜在疗法.近年,机器学习在 PHIs预测中表现出色,但仍面临着数据稀疏和生物属性缺失的挑战.为了解决这一问题,提出结合生物序列属性与网络拓扑特征的噬菌体-宿主相互作用预测模型(multi-relationship inter-action prediction model of phage and host based on sequence and structural features,PHI-SAS).首先,构建一个包含9 871 条PHI对的数据集.其次,设计基于生成对抗网络的多关系结构感知模块(multi-relationship struct aware mod-ule,MRSAM)和多特征融合预测方法(multi-feature fusion prediction module,MFFPM),最大化不同特征间的互补性.实验结果表明,当进行 5 倍交叉验证评估时,PHI-SAS 在预测噬菌体-宿主相互作用方面,相比现有模型提供了更高的预测准确性和鲁棒性.
As potential therapies for treating bacterial diseases,exploration on phage-host interactions(PHIs)can deepen the understanding of phage bactericidal mechanisms.In recent years,machine learning showned excellent performance in PHI prediction.However,it still faced challenges of data sparsity and missing biological attributes.To address this problem,a phage-host interaction prediction model(PHI-SAS)that combined biological sequence properties with network topological features was proposed.Firstly,A dataset containing 9 871 PHI pairs was constructed.Secondly,A multi-relationship struct aware module(MRSAM)based on generative adversarial networks and a multi-feature fusion pre-diction method(MFFPM)to maximize the complementarity between different features were designed.Ex-perimental results demonstrated that when evaluated using 5-fold cross-validation,PHI-SAS could provide higher prediction accuracy and robustness in predicting phage-host interactions compared to existing mod-els.
王文;许文俊;陈诚;夏迎春;王庆勇;辜丽川
安徽农业大学 信息与人工智能学院 安徽 合肥 230036||智慧农业技术与装备安徽省重点实验室 安徽 合肥 230036||安徽省农情信息感知与智能计算工程研究中心 安徽 合肥 230036安徽农业大学 信息与人工智能学院 安徽 合肥 230036||智慧农业技术与装备安徽省重点实验室 安徽 合肥 230036||安徽省农情信息感知与智能计算工程研究中心 安徽 合肥 230036安徽农业大学 信息与人工智能学院 安徽 合肥 230036||智慧农业技术与装备安徽省重点实验室 安徽 合肥 230036||安徽省农情信息感知与智能计算工程研究中心 安徽 合肥 230036安徽农业大学 信息与人工智能学院 安徽 合肥 230036||智慧农业技术与装备安徽省重点实验室 安徽 合肥 230036||安徽省农情信息感知与智能计算工程研究中心 安徽 合肥 230036安徽农业大学 信息与人工智能学院 安徽 合肥 230036||智慧农业技术与装备安徽省重点实验室 安徽 合肥 230036||安徽省农情信息感知与智能计算工程研究中心 安徽 合肥 230036安徽农业大学 信息与人工智能学院 安徽 合肥 230036||智慧农业技术与装备安徽省重点实验室 安徽 合肥 230036||安徽省农情信息感知与智能计算工程研究中心 安徽 合肥 230036
信息技术与安全科学
噬菌体-宿主相互作用属性缺失网络嵌入生成对抗网络特征融合
phage-host interactionsattribute missingnetwork embeddinggenerative adversarial networkfeature fusion
《郑州大学学报（理学版）》 2026 (4)
70-77,8
国家自然科学基金项目(62301006)国家重点研发计划项目(2023YFD1802200)
评论