双向交叉注意力模型预测细菌药物代谢

研究团队提出双向交叉注意力架构 Bi-MHA，整合预训练模型给出的原子级分子嵌入与蛋白级细菌嵌入，生成联合表示用于分类，以预测细菌特异性的药物代谢。 在三个未见任务上，模型报告的 ROC AUC 分别为未见药物 0.690、未见细菌 0.920、未见互作 0.949，并在 rank-sum 指标上排名第一；在包含 85 对分布外药物—细菌对的外部验证集上，其准确率较 KNN 基线提升 15 个百分点。注意力分析既指向此前研究实验验证过的酶促反应位点，也给出候选细菌蛋白。 研究团队还将模型以加权丰度流程扩展到独立微生物组数据集的群落层面预测，称其为概念验证应用；源代码已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。