过敏蛋白预测模型

无需同源比对

一个可解释的深度神经网络模型，用于从蛋白质序列中识别过敏原，在低同源性过敏原检测方面具有优势。

Qiu-Chen, He · 叶昕海 · 杨毅 · Zhao, Xianxin · Chen, Longfei · 方琦 · 杨伟 · 吴飞 · Yè, Gongying Yin

Briefings in Bioinformatics 2023

技术优势

低同源也能识别

不同于基于同源比对的方法，DeepAlgPro 能从序列中自动学习特征，因此对与已知过敏原同源性较低的序列仍能做出准确预测。

预测结果可解释

模型决策过程中表位特征起到重要作用，用户可以看到哪些序列区域影响了预测结果，提高了模型的透明度和可信度。

能发现新过敏原

DeepAlgPro 能够检测出潜在的新过敏原，有助于在食品、药物等领域提前发现风险。

应用场景

• 过敏原检测：可对大规模蛋白质序列进行过敏原预测，快速筛选潜在风险分子。
• 药物安全评估：在药物研发早期评估重组蛋白药物的过敏原性，降低临床风险。
• 食品安全筛查：筛查食品中新引入蛋白的潜在致敏性，保障消费者安全。
• 蛋白质序列分析：无需同源比对即可分析序列特征，提高低同源蛋白的识别效率。