bioRxiv 预印本· Das, R., Dutta, S., Bhattacharjee, S. ·· 9 天前AI 评分20
基于留一交叉验证的机器学习算法预测恶性疟原虫Kelch13突变体青蒿素耐药性
Leave-One-Out-Cross-Validation Based Machine Learning Algorithms for Efficient, Scalable, and Robust Prediction of Artemisinin Resistance in Plasmodium falciparum Kelch13 mutants.
AI 导读
研究构建了40个代表性K13突变体面板,通过计算其相对于野生型K13在10项理化与结构描述符上的偏差,形成紧凑特征集以捕捉突变诱导的折叠、稳定性及溶剂暴露扰动。该特征集可用于训练和验证AI分类器预测青蒿素耐药性,有望在数小时内筛查超过100个K13变异体,弥补RSA需实验室培养适应且常无法复现临床青蒿素反应性的局限。
来源:bioRxiv 预印本 · biorxiv.org