基于BERT与Text-CNN的抗菌肽识别方法

抗菌肽(antimicrobial peptides,AMPs)广泛存在于生命体中,是一种具有广谱抗菌活性、免疫调节功能的小分子多肽。抗菌肽不易产生耐药性,适用范围广,具有极大的临床价值,是传统抗生素的有力竞争者。识别抗菌肽是抗菌肽研究领域中的重要研究方向,湿实验法在进行大规模抗菌肽识别时存在成本高、效率低、周期长等难点,计算机辅助识别法是抗菌肽识别手段的重要补充,如何提升准确率是其中的关键问题。蛋白质序列可以被近似地看作是由氨基酸组成的语言,运用自然语言处理(natural language processing,NLP)技术可能提取到丰富的特征。本文将自然语言处理领域中的预训练模型BERT和微调结构Text-CNN结合,对蛋白质语言进行建模,提供了开源可用的抗菌肽识别工具,并与已发表的5种抗菌肽识别工具进行了比较。结果表明,优化“预训练-微调”策略带来了准确率、敏感度、特异性和马修相关系数的整体提升,为进一步研究抗菌肽识别算法提供了新思路。     

一类具连续时滞的三种群互助模型正平衡态的渐近稳定性

本文研究了一类具连续时滞的三种群互助模型,利用上、下解方法及相应的单调迭代方法,获得了该系统存在唯一正常数平衡态及该平衡态是全局渐近稳定的结论,为讨论时滞三种群模型提供了一种有效方法,所得结果也适用于二种群互助模型及不含时滞和扩散项的互助模型,因而推广了已有的一些结论．