梁 潇，吴 昊，刘全中*

(1.西北农林科技大学 信息工程学院，陕西 杨凌 712100;2.陕西省农业信息感知与智能服务重点实验室，陕西 杨凌 712100)

0 引 言

生物体内广泛分布着上万种多肽，近年来，随着科学研究的发展和对生命活动规律的深入探索，越来越多的功能性多肽分子被不断发现，部分多肽具有抗癌、抗菌、抗炎、抗病毒、穿透细胞等特性，这些特性为疾病治疗提供了重要依据[1]。

抗癌肽(anticancer peptides，ACPs)能破坏肿瘤细胞膜结构，对癌细胞增殖和迁移具有抑制作用，而对正常的体细胞基本无损伤，因此抗癌肽检测有助于抗肿瘤药物的研究[1]；抗菌肽(anti-bacterial peptides，ABPs)对部分细菌、真菌、病毒有杀伤作用，其潜在的价值也受到医学界的广泛关注[2]；细胞穿透肽(cell penetrating peptides，CPPs)被广泛用作药物进入细胞的运输载体[3]；结合肽(surface-binding peptides，SBPs)有助于在噬菌体展示实验中建立高效的ELISA(enzyme linked immunosrbent assay)系统[4]。

具有治疗特性的多肽目前已经越来越广泛地应用于临床诊断和治疗中，因此识别这些多肽对于发现新的、高效的疾病治疗方法具有重要的现实意义[2]。传统的生物实验方法识别多肽耗时、耗力且成本高，随着高通量测序技术的发展和测序成本的持续降低，研究界和医学界不断产生海量的测序序列，然而传统方法从高通量序列中识别多肽效率低下。为了提高多肽的识别效率，基于机器学习的多肽识别方法越来越受到研究界的青睐[5]。近年来，研究界已提出了许多基于机器学习的治疗肽的预测模型，根据其使用算法进行分类，分为基于传统的机器学习肽预测模型与基于深度学习的肽预测模型。……