BriefGPT - AI 论文速递
·
ACP-ESM：一种基于蛋白定向变压器方法的抗癌肽分类的新型框架
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于多模态注意力神经网络（PaccMann）预测抗癌化合物敏感性的方法，通过集成化合物的分子结构、癌细胞的转录组文件和细胞内蛋白质相互作用的先前知识，使用SMILES编码的化合物和癌细胞的基因表达谱预测IC50敏感性值。通过比较模型和基准模型，证明了使用注意力编码器可以超越基准模型，增强了可解释性并识别网络用于预测的基因、键和原子。
🎯
关键要点
- 提出了一种基于多模态注意力神经网络（PaccMann）的方法来预测抗癌化合物敏感性。
- 该方法集成了化合物的分子结构、癌细胞的转录组文件和细胞内蛋白质相互作用的先前知识。
- 使用SMILES编码的化合物和癌细胞的基因表达谱来预测IC50敏感性值。
- 基因表达谱采用注意力编码机制进行编码。
- 通过与基准模型比较，证明了注意力编码器的优势，增强了可解释性。
- 该方法能够识别用于预测的基因、键和原子。
➡️
