一种基于集成学习的短肽毒性预测方法

本发明涉及一种基于集成学习的短肽毒性预测方法，属于生物信息学和食品安全领域。针对传统短肽毒性评估方法耗时长、成本高及现有计算方法对短肽（≤25个氨基酸）预测精度不足的技术问题，提出一种基于多算法集成的TasToxPred预测模型。该模型通过整合20种序列编码描述符构建多维特征表征体系，采用9种机器学习算法的动态权重配置机制进行集成预测，实现了对短肽毒性的精确评估。应用该方法在独立测试集上实现了0.7019的Matthews相关系数（MCC）和0.8445的准确率，通过CCK‑8细胞毒性实验和溶血活性测定对73个预测为无毒的短肽进行验证，结果显示在100μM浓度下细胞存活率均保持在90%以上，溶血率低于1.5%，充分验证了模型预测的可靠性，可广泛应用于功能性短肽的安全性评估和开发筛选。