發表期刊：
Scientific Reports (IF=4.379 , RANK 17/73=23.3%)
研究題目：
Identification of subtypes of anticancer peptides based on sequential features and physicochemical properties
作者列表：
Kai-Yao Huang, Yi-Jhan Tseng, Hui-Ju Kao, Chia-Hung Chen, Hsiao-Hsiang Yang, Shun-Long Weng*
論文摘要：
抗癌肽（Anticancer Peptides, ACPs）是一種具有抗癌活性的生物肽，並有潛力能作為治療癌症的新型藥物。與一般化學藥物相比，它具有高特異性、較強的腫瘤穿透能力及對正常細胞有較低毒性等優點。隨著經過驗證的生物活性肽數量增加，我們認為有必要利用電腦大規模分析這些抗癌肽資料，歸納出其特徵。但截至目前為止，仍然缺乏針對抗癌肽的物化性質特徵進行完整分析的研究。
在這項研究中，我們逐一分析了每一條肽在 N 端和 C 端的氨基酸組成，並根據肽上的正電荷殘基分佈，來將抗癌肽區分成三個主要亞型。我們開發出目前唯一能預測抗癌肽亞型的兩階段預測系統，待測序列首先會先依據其帶電殘基的分佈被分類到相應的組別，接著再被輸入到相應的模型進行預測。
為了提高預測能力，我們同時混合胺基酸組成及物化屬性來作為特徵組合以進行預測。在五重交叉驗證的評估顯示，使用基於序列特徵和物理化學特性訓練的兩階段模型，在區分 ACP 和非 ACP 方面效果最佳，靈敏度能達到86.75%，特異性達到85.75%，準確度達到86.08%，馬修斯相關係數值為0.703。此外，該模型也在獨立測試集中證明可以提供有效性能，靈敏度達到 77.6%，特異性達到 94.74%，準確度達到 88.99%，MCC 值達到 0.75。
最後，這個兩階段模型已被開發成一個能於網際網路上讓所有人免費使用的自動化預測工具，被稱為 iDACP，現在可在 http://mer.hc.mmh.org.tw/iDACP/ 免費使用。