DeepB³P:一种基于变压器的模型,用于识别穿透血脑屏障的,并使用反GAN进行数据增强

科学领域:

• 生物技术是生物技术.
• 计算生物学 计算生物学
• 药物发现 药物发现 药物发现

背景情况:

• 血脑屏障 (BBB) 限制药物进入中枢神经系统 (CNS).
• 在BBB的有效药物输送对于治疗神经系统疾病至关重要.
• 穿透血脑屏障的 (BBBPs) 为中枢神经系统药物输送提供了一个有希望的策略.

研究的目的:

• 开发一种强大的计算方法来识别BBBPs.
• 为了应对BBBP预测中不平衡数据集的挑战.
• 为潜在的治疗应用产生新的BBBP类似物.

主要方法:

• 一个基于变压器的深度学习模型,DeepB3P,是为BBBP预测而开发的.
• 使用反生成对抗网络 (FBGAN) 来生成类似的BBBPs并减轻数据不平衡.
• 这些模型在已建立的基准测试数据集上进行了评估.

主要成果:

• DeepB3P在BBBP预测方面表现出卓越的表现,在特异性,准确性和马修的相关系数方面表现优于现有的模型.
• FBGAN模型成功生成了新的BBPP类,有效地解决了数据集不平衡问题.
• DeepB3P是作为一个公开可访问的网络服务器来实现的,以便更广泛地使用.

结论:

• DeepB3P为BBBP识别和下游分析提供了宝贵的见解.
• 生成的BBBBP类具有潜在的中枢神经系统药物开发潜力.
• 开发的工具促进了BBBP识别和神经治疗药物设计的进展.