【期刊】一种基于机器学习算法挖掘嗜盐蛋白的方法HPClas

文章预览

北京化工大学张桂敏教授团队和澳大利亚蒙纳士大学宋江宁教授团队的文章HPClas: A data‐driven approach for identifying halophilic proteins based on catBoost已在mLife网站正式上线。该研究基于进化的方法从嗜盐菌分泌蛋白收集到了大量的嗜盐蛋白，并通过手动提取序列特征，通过catBoost在嗜盐蛋白数据集上进行了训练，开发了一个能够准确识别嗜盐蛋白的预测模型，并在独立测试集上实现了84.5%准确性，最后还对模型进行了可解释性分析，其结果与现在的一些嗜盐蛋白特征研究相吻合，进一步增强了模型的可信度。模型构建的数据集和源代码已上传至网站https://github.com/Showmake2/HPClas。 嗜盐蛋白具有独特的结构特性，在极端条件下表现出高稳定性，这使得它们在生物能源、制药、环境清洁等领域具有重要应用价值。目前，嗜盐蛋白的发现和表征主要依赖于耗时且劳 ………………………………