本站讯 近日，williamhill官网登录入口柳军涛课题组在生物学国际顶级期刊Cell的子刊Star Protocols发表了题为“Protocol for predicting peptides with anticancer and antimicrobial properties by a tri-fusion neural network”的论文，该文章展示了如何使用他们之前开发的工具TriNet预测抗癌肽和抗菌肽的运行流程。williamhill官网登录入口为第一完成单位，williamhill官网登录入口韩济蕴为论文第一作者，柳军涛为通讯作者。

癌症是威胁人类生命的主要疾病之一，并且近年来癌症的发生率和死亡率呈现逐渐上升的趋势。抗菌肽(Antimicrobial peptides, AMP)是一类普遍存在于生物体内的具有抗菌活性的生物活性肽，也被称为宿主防御肽，抗癌肽(Anticancer peptides, ACP)是抗菌肽的一种，对癌细胞具有明显细胞毒性。传统的抗癌疗法存在许多挑战，包括药物阻抗、不良反应、缺乏靶点特异性和高昂的治疗费用等。相反，一些抗菌肽可以通过诱导凋亡途径触发癌细胞死亡，并且抗癌肽和抗菌肽的多方面作用和降低耐药性使它们成为抗癌治疗的有希望的候选者。越来越多的研究已经证明了抗菌肽的有效性和安全性，证实了它们作为肿瘤干预治疗药物的可行性。因此，抗癌肽和抗菌肽的持续研究和应用对药物治疗的发展至关重要，特别是在肿瘤和传染病领域。

在这篇文章中，作者详细阐述了使用TriNet通过三融合神经网络来预测抗癌肽和抗菌肽的实验过程，详细介绍了TriNet离线Python版本和在线服务的使用方法。TriNet是一个用于预测抗癌和抗菌肽的深度学习算法，该算法利用CNN + CAM、Transformer encoder和Bi-LSTM三种网络捕获全局序列信息，物理化学分布信息以及进化信息，并对这三类特征进行处理，最后，使用TVI（iteratively interacting samples between the training and validation sets）方法进行模型训练。此外，研究者还提供了TriNet训练过程的详细解释，以增强研究人员利用深度学习技术对进行肽分类的理解等。在使用TriNet预测抗癌和肽抗菌肽的过程中，为了保证程序能够正常运行，研究者详细介绍了数据准备，软件运行，以及结果展示的流程，并且提供了TriNet的训练过程操作，方便用户在必要时使用自己的特定数据训练模型。

总的来说，在这项工作中，研究者系统地描述了使用TriNet预测抗癌肽和抗菌肽的过程，详细阐述了准备生物肽数据，运行TriNet软件，以及展示预测记过的步骤。该研究方案还提供了运行软件过程中可能出现的问题的解决方案，可以为后续相关研究提供重要参考。

文章链接：https://star-protocols.cell.com/protocols/2964

图/文：柳军涛      编辑：张海洋