抗病毒生成预训练变压器 (AVP-GPT):一种基于深度学习的模型,用于抗病毒设计,具有高吞吐量发现和特殊功率

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:

• 传统的抗病毒 (AVP) 发现是资源密集的.
• 开发新的AVP对于对抗病毒感染至关重要.

研究的目的:

• 介绍AVP-GPT,这是一个深度学习模型,用于高效的AVP设计.
• 评估AVP-GPT对抗RSV和INFVA等呼吸道病毒的性能.

主要方法:

• 利用基于变压器的语言模型和多式联络架构.
• 在RSV数据上训练AVP-GPT,并将其适应INFVA和其他呼吸道病毒.
• 将AVP-GPT与LSTM和SVM模型使用困难度和AUC指标进行比较.

主要成果:

• 在两天内,AVP-GPT产生了1万个独特的.
• 与基线模型相比,实现了明显较低的困惑度 (2.09) 和更高的AUC (0.90).
• 鉴定了针对RSV和INFVA的强效新型,EC50值低至0.02 uM.

结论:

• AVP-GPT彻底改变了AVP的发现,提供了卓越的效率和功效.
• 该模型显示了新型抗病毒疗法快速发展的潜力.
• 未来的工作可以将AVP-GPT扩展到各种病毒目标和设计策略.