Half-Space Proximal Networks (HSPNs): A Proxy for Multi-Query Similarity Searching Models Predicting Tumor-Homing Peptides
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Tumor-homing peptides (THPs) have emerged as promising agents in cancer treatments. These short sequences can specifically target tumor cells and vasculature. Here, a nontrained machine learning (ML) method based on network science and multiquery similarity searching to predict THPs is presented. We leverage the network-based representation of THPs’ chemical space to extract valuable information by employing a novel similarity-based, yet sparse, network known as the half-space proximal network (HSPN). The HSPN of the THPs’ giant component is composed of 12 communities that represent distinct modes of action and/or targets, as well as sequence templates (scaffolds). In the HSPN analysis, various centrality measures were employed to identify the most significant and nonredundant THPs. These central THPs were then used as queries (Qs) in group fusion similarity-based searches against an established collection of known THPs. The performance of the resulting multiquery similarity-based search models (MQSSMs) was assessed using three benchmarking datasets of THPs/non-THPs. The MQSSMs derived from the HSPNs ( THP2 ) demonstrated superior discrimination performance compared to the classical chemical space networks (CSNs, namely THP1 ) when applied to the THPs/non-THPs datasets Remarkably, exceptional MCC values (>0.887) were achieved when utilizing Qs from both CSN and HSPN networks to construct MQSSMs ( THP3 ), employing a similarity threshold of 0.6, in external datasets. Next, we conducted a statistical comparison between the performance of our top-performing MQSSM, THP3, and several THP prediction servers, including TumorHPD, THPep, SCMTHP, and NEPTUNE. Our proposed model demonstrated its superiority by surpassing the state-of-the-art supervised and trained ML methods for THP prediction with statistically significant differences. These results provide strong evidence that network-based similarity searches are highly effective and reliable for identifying THPs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».