APN首先引入了一种分子属性提取器,该提取器通过考虑7个基于圆的指纹、5个基于路径的指纹和2个基于子结构的指纹,不仅可以提取3种不同类型的指纹属性(单指纹属性、双指纹属性和三重指纹属性);还可以自动从自监督学习方法中提取深度属性。此外,APN设计了属性导向的双通道注意模块,学习分子图与属性之间的关系,并细化...
基于结构的药物设计中一项重要的任务是预测配体在靶体口袋中的结合姿态,然而当前已报道的打分函数通常受限于精度,或是局限于单一的输出,比如仅预测构象姿势的偏差(RMSD),结合强度(pKd)或是基于残基-原子间距离分布的统计势。本文介绍的是近期发表在国际知名生物信息学期刊《Briefings in Bioinformatics》上的一篇题为《...
Brief Bioinform:利用基因组测序和AI分析或能揭示隐藏在乳腺癌发病背后的特殊遗传标志物 乳腺癌是如今影响西方女性健康最常见的恶性肿瘤,据估计,有高达10%的乳腺癌病例的发生归因于种系突变(germline variants),然而大多数家族性乳腺癌病例的遗传基础研究人员并不确定,因此发现促进家族性乳腺癌的易感基因或具有一定的挑战...
参考资料 Huang et al., CoaDTI: multi-modal co-attention based framework for drug–target interaction annotation, Brief Bioinform, 2022 --- End ---
该文章由清华大学李梢教授课题组完成,题为“Network pharmacology: towards the artificial intelligence-based precision traditional Chinese medicine”。该研究从人工智能AI视角探讨了网络药理学方法论进展及其在传统中医药中创新应用。 文献...
Brief Bioinform:利用基因组测序和AI分析或能揭示隐藏在乳腺癌发病背后的特殊遗传标志物 乳腺癌是如今影响西方女性健康最常见的恶性肿瘤,据估计,有高达10%的乳腺癌病例的发生归因于种系突变(germline variants),然而大多数家族性乳腺癌病例的遗传基础研究人员并不确定,因此发现促进家族性乳腺癌的易感基因或具有一定的...
综上所述,可以预计iAMPCN将成为识别AMP及其功能活动的实用方法。在未来的工作中,作者将专注于解决标签不平衡问题,以进一步提高模型预测AMP功能活性的性能。 参考文献 [1] Xu et al. iAMPCN: a deep-learning approach for identifying antimicrobial peptides and their functional activities. Brief Bioinform. 2023...
原文链接 https://doi.org/10.1093/bib/bbad535 Cinquin O. ChIP-GPT: a managed large language model for robust data extraction from biomedical database records. Brief Bioinform. 2024;25(2):bbad535. doi:10.1093/bib/bbad535
评价结果表明,CSCo-DTA的性能优于其他方法,并体现出在药物发现中的应用潜力。 参考文献 [1] Wang et al. Predicting drug–target binding affinity with cross-scale graph contrastive learning. Brief Bioinform. 2024 本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请。
能结合I型主要组织相容性复合体(MHC)分子的肽类抗原的免疫识别对于新型免疫疗法的发展和人类健康都是必不可少的,目前预测抗原肽类免疫原性的方法主要依赖于简单的序列的表示,其允许对免疫特征进行一些理解,但对于与肽类识别相关的分子机制的全面考虑仍然不足。近日,一篇发表在国际杂志Briefings in Bioinformatics上题为...