基于 ExtraTrees 的 VFDB 蛋白分类器评估:家族性能基准与短蛋白局限性分析

《Microorganisms》:Large-Scale Sequence-Based Prediction of Bacterial Virulence-Associated Proteins Reveals Recurrent Short-Protein Challenges Across Microbial Groups

【字体: 大 中 小 】 时间:2026年11月22日 来源:Microorganisms 4.7

编辑推荐:

   摘要

  

摘要

我们在包含3,239,335条VFDB阳性记录和46,383,258条VFDB阴性记录的操作数据集上,评估了一个具有421个特征的ExtraTrees分类器。通过随机洗牌的密切同源序列测试,得出了Macro-F1值为0.9668。在双属审计中,灵敏度、阳性精确度、Macro-F1值和ROC-AUC分别为0.3966、0.6133、0.7303和0.8597;而对于单独拟合的30%身份比率保留模型,这些数值分别为0.4507、0.4924、0.7230和0.8788。在属审计中,博德特氏菌(Bordetella)占所有阳性样本的95.9%。支原体(Mycoplasma)的灵敏度和阳性精确度分别为0.2648和0.1814。在同一集群划分下,DIAMOND基线方法能够更有效地恢复相似性标签(Macro-F1值为0.8911,而原始方法为0.7230)。在各自选定的验证阈值下, pooled属审计中的灵敏度在低于100个氨基酸时为0.2950,而在集群审计中为0.3192。针对不同长度设置的阈值使短蛋白的灵敏度从0.8314提高到了0.8659,但阳性精确度则从0.9030下降到了0.8353。长度特定的去除实验表明,二肽组成特征仍能保留预测信息。牛和水生生物组的数据显示了已知阳性样本的部分遗漏现象。这些结果揭示了模型在其他组间迁移的局限性,以及短蛋白普遍存在的灵敏度不足问题。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号