本期“生物信息”專欄評述

專欄編委會

評“細胞穿膜肽識別問題的多特征融合卷積網絡預測算法”

黃 健

人體有血腦屏障、血眼屏障、血睪屏障、血胎屏障等一系列天然解剖屏障，這些屏障具有重要生理功能，但也常給藥物治療，尤其是生物大分子藥物治療造成困難。這些屏障主要由血管內皮等相關細胞及其膜結構形成。

細胞穿膜肽的發現為解決上述困難提供了一種方案。該論文使用獨熱序列、氨基酸組成與理化性質以及基于引入注意力機制的卷積神經網絡特征，通過樸素貝葉斯、隨機森林、支持向量機、K-最近鄰和極限梯度推進算法進行訓練與分類，采用投票方式構建了細胞穿膜肽的集成預測模型ConvCPP。與7 種已經發表的預測模型相比，ConvCPP 具有最高的準確率、敏感性與特異性。期待ConvCPP 能夠走向應用，從大量多肽數據中預測出新的細胞穿膜肽并得到實驗證實，更希望相應多肽能真正應用到靶向給藥產品的開發中。

評“心外科手術患者重癥監護室住院時間預測模型研究”

林 昊

針對真實世界生物醫療數據的研究和分析，能夠深入挖掘這些數據背后的隱含信息，并為臨床的具體應用提供重要支撐和幫助。進入醫院重癥監護室(ICU)的病人通常涉及到已出現各種急危重癥特征，因此，對ICU 病人相關體征數據的分析和建模，不僅能夠對重癥病人病情的發展進行預判，提前對病情惡化進行預防，而且對優化治療、節約治療成本、提高治療服務質量，都具有重要的現實意義。

心臟病是致死率較高，且監護與預防較為困難的一種疾病，具有從發病到死亡病程發展較快的特征。盡管對心臟進行外科手術具有顯著的治療效果，但由于手術器官的特殊性，手術過程中面臨的復雜因素較多，導致圍術期的病死率較高。因此，需要對進入ICU 的心臟外科手術患者做準備監控，并對病情發展進行評估。

該文針對重癥監護室的心臟外科手術數據進行了分析和研究，利用特征篩選技術篩選出了心臟外科手術患者住院時間的重要預測因子，包括乳酸鹽濃度、血氧飽和度等符合臨床意義的因子；基于這些因子，構建了心外科重癥監護室住院時間預測模型。該模型的建立，有助于對ICU 心外科手術患者進行早期干預，提高治療效率。