DeepMolVir 用蛋白语言模型编码病毒预测抗病毒活性
热点事件持续更新
DeepMolVir 用蛋白语言模型编码病毒预测抗病毒活性
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
《Journal of Chemical Information and Modeling》论文作者提出 DeepMolVir 模型：用蛋白语言模型 ESMC-600M 生成病毒序列嵌入，把病毒当作序列来源的生物学实体而非分类标签编码，再与分子特征整合，预测病毒与抑制剂的活性。作者称其整理了覆盖 178 种病毒、50,711 对化合物—病毒活性配对的数据集，5 折交叉验证中 AUC 为 0.8653、RMSE 为 0.9480，虚拟病毒表示优于传统分类编码，消融实验显示病毒序列信息是性能关键来源。 作者称，针对 Nipah virus 和 hantaviruses 的案例研究显示模型能识别候选抗病毒骨架并支持跨科药物重定位。代码和数据已在 GitHub 开放。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 01:02
DeepMolVir 用蛋白语言模型学习病毒表示预测病毒与抑制剂活性报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- Journal of Chemical Information and ModelingDeepMolVir 用蛋白语言模型学习病毒表示预测病毒与抑制剂活性
DeepMolVir 提出用蛋白语言模型学习病毒的虚拟表示，以病毒序列而非分类标签编码病毒，用于预测病毒与抑制剂的活性。作者整理了覆盖 178 种病毒、50,711 对化合物与病毒活性配对的数据集，用 ESMC-600M 生成嵌入并与分子特征整合建模。5 折交叉验证中模型 AUC 为 0.8653、RMSE 为 0.9480，虚拟病毒表示持续优于传统分类编码，消融实验显示病毒序列信息是性能的关键来源。针对 Nipah virus 和 hantaviruses 的案例研究显示，模型能识别候选抗病毒骨架并支持跨科药物重定位。代码和数据已在 GitHub 开放。
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。