神经预测-AIMP:通过蛋白质语言建模和时间卷积网络进行神经预测的多模式深度学习
Jinjin Li1, Shuwen Xiong1, Hua Shi2
1Faculty of Applied Sciences, Macao Polytechnic University, R. de Luís Gonzaga Gomes, Macao 999078, China.
Journal of chemical information and modeling
|April 21, 2025
概括
准确的神经标识对于药物设计至关重要. 新型多式模式模型NeuroPred-AIMP有效地使用蛋白质语言和结构特征识别神经,实现高精度.
科学领域:
- 生物化学 生物化学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 神经是一种调节生理功能的重要信号分子.
- 由于序列复杂性和有限的数据,准确地识别神经是一种挑战.
- 目前的方法难以捕捉深层序列模式,阻碍了治疗的进步.
研究的目的:
- 开发一种先进的,可解释的模型,用于准确识别神经.
- 在序列模式识别方面克服传统机器学习方法的局限性.
- 整合进化和局部序列信息,以实现强大的神经的识别.
主要方法:
- 提出NeuroPred-AIMP,一个自适应的综合多式预测器.
- 来自蛋白质语言模型 (ESM) 的协同全球语义表示.
- 采用时间卷积网络 (TCN) 与自适应特征融合的内置多尺度结构特征.
主要成果:
- 在一个独立的测试套件上获得了92.3%的准确性和0.974 AUROC.
- 具有92.6%的灵敏度和92.1%的特异性,证明了平衡的性能.
- 证实了多式特征策略在神经识别方面的有效性.
结论:
- NeuroPred-AIMP在神经鉴定方面提供了显著的进步.
- 多式联运方法有效地捕获复杂的序列和结构信息.
- 这种模式对神经疾病治疗和基于的药物设计具有前景.
