GraphPepTox：结构感知肽毒性预测框架
热点事件持续更新
GraphPepTox：结构感知肽毒性预测框架
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
GraphPepTox 作者团队提出一种结构感知的几何深度学习框架 GraphPepTox，用于预测肽的毒性。该框架以几何图 Transformer 编码器构建掩码图自编码器，通过自监督掩码残基重建从肽结构图中学习几何感知嵌入，再经多尺度 U-Net 交叉融合，捕捉局部残基相互作用与全局构象模式。 作者称，该框架显式建模残基间空间关系，可捕捉序列方法常忽略的残基聚集、疏水相互作用和静电组织等结构特征；在基准数据集上，其性能与可解释性相较现有最先进方法均有提升。
AI 根据报道生成 · 1 小时前更新
最新进展11月6日 08:00
GraphPepTox：结合几何图 Transformer 与 LoRA 微调的结构感知肽毒性预测预训练框架报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- BMC BioinformaticsGraphPepTox：结合几何图 Transformer 与 LoRA 微调的结构感知肽毒性预测预训练框架
GraphPepTox 是一个结构感知的几何深度学习框架，用于预测肽的毒性。该框架基于 Geometric Graph Transformer（GGT）编码器构建 Masked Graph Autoencoder（MGAE），通过自监督掩码残基重建从肽结构图中学习几何感知嵌入，再经多尺度 U-Net 架构交叉融合，捕捉局部残基相互作用与全局构象模式。GraphPepTox 显式建模残基间空间关系，可捕捉序列方法常忽略的残基聚集、疏水相互作用和静电组织等结构特征。在基准数据集上，该框架相较现有最先进方法在性能和可解释性上均有提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。