题目：Bacteria-Specific Feature Selection for Enhanced Antimicrobial Peptide Activity Predictions Using Machine-Learning Methods
文献来源:https://doi.org/10.1021/acs.jcim.2c01551 （JCIM）
代码：https://figshare.com/articles/software/A_bacteria-specific_machine_learning_study_of_individual_antimicrobial_peptide_activity/22129547.
简介：有几种短肽分子，被称为抗菌肽（AMPs），它们是在生物体对各种感染的免疫反应过程中产生的。近年来，在应用机器学习方法预测amp对细菌的活性方面取得了重大进展。然而，在大多数调查的情况下，结果不是细菌特异性的，因为细菌的具体特征没有考虑到细菌的具体特征，如膜的化学成分和膜的结构。为了克服这个问题，作者开发了一种新的计算方法，允许作者使用一组与针对大肠杆菌的多肽相关的特定数据来训练几个有监督的机器学习模型。套索回归和支持向量机技术已被用来选择，在1500多个物理化学描述符中，选择最重要的特征，可用于分类一种肽为抗菌或对大肠杆菌无效。然后，本文使用支持向量分类器、Logistic回归和随机森林方法对主动和非主动AMP进行分类。这项计算性研究使我们能够就如何设计更有效的抗菌药物疗法提出建议。
主要内容：
