癌癥是人類健康最致命的殺手，在全球范圍內每年造成數百萬人的死亡。傳統的物理和化學方法，包括靶向治療、化療和放射治療等醫療實踐中常見的治療手段，在一定程度上能殺死病變癌細胞，但是同時也會殺死大量正常的細胞，帶來嚴重的副作用。這些治療手段費用昂貴且預后效果不佳，迫切需要開發新的定向清除癌細胞，治療癌癥的有效方法。

圖：抗癌多肽數據集中各氨基酸組分及預測模型性能表現

抗癌多肽（anticancer peptides，ACP），一種長度通常小于50氨基酸的陽離子型多肽的發現為癌癥治療開辟了新前景。ACP多發現自抗菌多肽（antimicrobial peptides， AMP）中，具有很多優良的特性，包括高特異性、廣譜性、安全性、易于合成和定制、成本低廉等。抗癌多肽可以特異性地結合癌細胞的陰離子細胞膜分子，而對正常細胞沒有影響。因此，它們可以選擇性地殺死癌細胞，而不帶來副作用。多年來，ACP療法在臨床的不同階段被廣泛探索和應用，但是只有少數被最終用于臨床治療。ACP的鑒定高度受限于實驗室，昂貴且周期漫長。計算預測的方法在幫助篩選、發現和預測抗癌多肽中的作用越來越迫切和明顯。

中國科學院新疆理化技術研究所研究人員首次開發和提出了基于序列信息來預測潛在的抗癌多肽的深度學習方法。首先，研究人員基于現有的研究，整理構建了用于機器學習的抗癌多肽數據集，其中，正樣本為實驗驗證的ACP，負樣本為不具有抗癌活性的AMP。然后，保留氨基酸殘基組分和位置信息的高效多肽序列特征提取技術被提出，將生物序列信息轉化為數字特征。最后，基于長短時記憶模型的深度學習模型被構建和訓練以預測新型ACP。嚴格的實驗結果表明，所開發的方法具有高準確性、魯棒性，可以作為相關生物醫學研究的有效工具。

該工作以ACP-DL： A Deep Learning Long Short-Term Memory Model to Predict Anticancer Peptides Using High-Efficiency Feature Representation 為題，于近日發表于Molecular Therapy-Nucleic Acids，第一作者為新疆理化所研究生易海成，指導老師為研究員尤著宏。該工作得到國家自然科學基金優秀青年科學基金和中科院項目的支持。