机构名称：
¥ 1.0
背景：噬菌体疗法显示出治疗抗生素耐药性克雷伯菌感染的希望。识别噬菌体的噬菌体去聚合物酶，使毛发囊囊多糖获得至关重要，因为这些胶囊对生物膜形成和毒力构成了贡献。但是，基于同源的搜索在新型解聚酶发现中存在局限性。目标：开发用于识别和对针对克雷伯氏病的潜在噬菌体解放酶进行排名的机器学习模型。方法：我们开发了Deporanker，这是一种机器学习算法，以蛋白质的可能性为蛋白质。该模型在5种新表征的蛋白质上进行了实验验证，并与BLAST进行了比较。结果：驱动器在识别潜在的解聚酶时表现出较高的性能。实验验证证实了其对新蛋白质的预测能力。结论：Deporanker提供了一种准确且功能上的工具，可以加快对克雷伯氏菌的噬菌体疗法发现的去聚合酶发现。它可作为网络服务器和开源软件提供。可用性：WebServer：https：//deporanker.dcs.warwick.ac.uk/源代码：https：//github.com/wgrgwrgrght/deporanker
deporanker：使用机器学习预测克雷伯菌解放酶的网络工具
主要关键词
相关文件推荐
