آنژیوژنز(Angiogenesis) فرایند رگزایی از عروق موجود برای تهیه مواد مغذی و مسیر دفع سموم است و نقش اساسی در رشد و نمو دارد. این فرآیند در هنگام تشکیل تومور های سرطانی می تواند نقش مهمی در پیشرفت سرطان ایفا کند و موجب گشترش تومور و تبدیل تومور خوش خیم به بدخیم شود.

شناسایی پپتیدهای ضد آنژیوژنز برای مهار فرایند رگ زایی در طی سال های اخیر نظر محققان زیادی در حوزه سرطان را به خود جلب کرده است با این حال مطالعات بسیار نادری در تشخیص محاسباتی این پپتیدها انجام شده است.

در این مقاله یک پکیج R کارآمد مبتنی بر یادگیری ماشین (AntAngioCOOL) جهت تشخیص پپتیدهای آنژیوژنز پیشنهاد شده است. 

در این پژوهش بیش از 2000 ویژگی برای آموزش مدل های تشخیص پپتیدهای ضد رگ زایی انتخاب شدند.  این پکیج جهت پیش بینی پپتید ها از پنج ویژگی PseAAC, k-mer composition, k-mer composition (reduced alphabet) با مقدار k برابر با 2و3و4و ویژگی های Physico-chemical profile, Atomic profile استفاده میکند.  AntAngioCOOL شامل سه مدل مختلف است که می تواند توسط کاربر برای اهداف مختلف انتخاب شود. 

با توجه به نتایج به دست آمده ، AntAngioCOOL به عملکرد رضایت بخشی در پیش بینی پپتیدهای  ضد رگ زایی در یک مجموعه داده آزمایش رسیده است و می تواند در تشخیص پپتیدهای ضد رگزایی موثر باشد. این ابزار از حساسیت 88٪ و دقت 75٪  در مجموعه آزمونهای مستقل بهره مند است.

 بهAntAngioCOOL می توانید از طریق

https://cran.r-project.org/web/packages/AntAngioCOOL/index.html

 دسترسی پیدا کنید.

این پکیج در آزمایشگاه بیوانفورماتیک دانشگاه تربیت مدرس توسعه داده شده است.

لینک مقاله:

https://translational-medicine.biomedcentral.com/articles/10.1186/s12967-019-1813-7