机构名称：
¥ 1.0
*联合第一作者。＃共同对应。摘要反疫苗接种学（RV）提供了一种系统的方法来识别基于蛋白质序列的潜在疫苗候选物。将机器学习（ML）集成到此过程中，大大增强了我们从这些序列中预测可行疫苗候选物的能力。我们以前已经基于极端梯度提升（XGBOOST）开发了Vaxign-ML程序。在这项研究中，我们进一步扩展了基于深度学习技术的Vaxign-DL计划。深神经网络组装非线性模型，并使用层次结构化层学习数据的多级抽象，并在计算设计模型中提供了数据驱动的方法。Vaxign-DL使用三层完全连接的神经网络模型。使用Vaxign-ML开发中使用的相同细菌疫苗训练数据，Vaxign-DL能够在接收器工作特性下达到0.94，特异性为0.99，灵敏度为0.74，精度为0.96。使用剩余的疾病原验证（LOPOV）方法，Vaxign-DL能够预测10种病原体的疫苗候选物。我们的基准研究表明，在大多数情况下，Vaxign-DL在Vaxign-ML上取得了可比的结果，并且我们的方法在准确预测细菌保护性抗原方面优于Vaxi-DL。简介
vaxign-dl：一种基于深度学习的疫苗设计方法及其评估
主要关键词
相关文件推荐
