MTR:扩展基于SMILES的语言模型,用于治疗性工程
bioRxiv : the preprint server for biology
|January 16, 2026
概括
我们开发了PeptideMTR,这是一套新的语言模型套件,用于治疗性质工程. 这些模型有效地预测的特性,优于现有的方法,为药物发现提供了宝贵的资源.
科学领域:
- 生物化学 生物化学
- 计算化学的计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 治疗性可以跨越蛋白质模块化和小分子多功能性,但对于当前的基础模型来说具有挑战性.
- 蛋白质模型仅限于正规残留物,而小分子模型缺乏序列背景.
研究的目的:
- 介绍PeptideMTR,这是一套基于SMILES的九个化学语言模型.
- 在和小分子数据上预训练模型,使用掩面语言建模和多任务回归.
- 在各种治疗性质工程任务中评估模型性能.
主要方法:
- 开发了九个基于SMILES的化学语言模型 (32M-337M参数).
- 在和小分子组合数据集上预先训练模型.
- 采用掩面语言建模和多任务回归到物理化学描述器.
- 评估了膜透性,聚合倾向,瘤定位,细胞透和抗菌活性预测.
主要成果:
- 根据尺寸和预训练目标,确定了模型性能中的缩放过渡.
- 在较小的规模上,描述器引导的预训练对于接地嵌入至关重要.
- 大规模的自我监督模型自发地学习物理化学先验.
- 与分子指纹和专用架构相比,PeptideMTR表现出卓越的性能.
结论:
- MTR为治疗性基因工程提供了一个强大而可扩展的资源.
- 这些模型推进了类行为的表示和预测.
- 这项工作有助于设计和开发新的基于的治疗方法.
相关概念视频
02:00Molecular Models
Physical models representing molecular architectures of chemical compounds play essential roles in understanding chemistry. The use of molecular models makes it easier to visualize the structures and shapes of atoms and molecules.
01:19MALDI-TOF Mass Spectrometry
Mass spectrometry is a powerful characterization technique that can identify and separate a wide variety of compounds ranging from chemical to biological entities, based on their mass-to-charge ratio (m/z). The instruments that allow this detection, known as mass spectrometers, have three components: an ion source, a mass analyzer, and a detector. These spectrometers differ based on the nature of their ion source and analyzers.Matrix-assisted laser desorption ionization (MALDI) is a commonly...