CPPGAN-ESM: GAN-Enhanced ESM Prediction Model for Cell-Penetrating Peptide

细胞穿透肽 导线 计算机科学 提取器 人工智能 化学 工程类 生物化学 大地测量学 工艺工程 地理
作者
Fan Zhang,Shun Zhang,Chun Fang
标识
DOI:10.1145/3627377.3627380
摘要

Cell-penetrating peptide, with their ability to traverse cell membranes and access the intracellular environment, has garnered significant attention in contemporary medical research. Predicting cell-penetrating peptide can expand the therapeutic scope, improve the therapeutic effect, and promote the development of drug delivery, gene therapy, and other fields. Compared with the traditional wet-lab method, predicting cell-penetrating peptide by computational methods has the advantages of low cost and accuracy. However, due to the difficulty of collecting cell-penetrating peptide datasets and the performance limitation of traditional feature extractors, Predicting the performance of cell-penetrating peptide using traditional computational methods has limitations. To address these problems, a cell-penetrating peptide prediction method named CPPGAN-ESM is proposed in this paper. CPPGAN-ESM firstly augments the cell-penetrating peptide dataset by using Deep Convolutional Generative Adversarial Network, and then fine-tunes the predictor based on the Evolutionary Scale Modeling 2 pre-trained feature extractor with the augmented dataset, to realize the prediction of the cell-penetrating peptide. Extensive experiments on a public dataset show that the method achieves an efficient performance of 0.979 AUC and 0.977 ACC in the cell-penetrating peptide prediction task.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
pluto应助怕黑凤妖采纳,获得10
刚刚
haralee发布了新的文献求助10
刚刚
1秒前
Barton完成签到,获得积分10
2秒前
xiao_lu_bai发布了新的文献求助10
4秒前
4秒前
后陡门的夏天完成签到 ,获得积分10
4秒前
小二郎应助WJ采纳,获得10
5秒前
fzy发布了新的文献求助50
5秒前
TiY发布了新的文献求助10
5秒前
6秒前
6秒前
7秒前
7秒前
井野浮应助lucky采纳,获得10
7秒前
7秒前
忧郁初瑶发布了新的文献求助10
7秒前
8秒前
传奇3应助勤恳觅珍采纳,获得10
9秒前
港港发布了新的文献求助30
9秒前
111111111222完成签到,获得积分10
9秒前
沉默以莲完成签到,获得积分10
9秒前
风趣访卉完成签到,获得积分10
10秒前
阿橘发布了新的文献求助10
10秒前
10秒前
10秒前
11秒前
Flying_cattle发布了新的文献求助10
11秒前
Zxc发布了新的文献求助10
11秒前
dongqing12311完成签到,获得积分10
13秒前
浮生发布了新的文献求助10
14秒前
风趣访卉发布了新的文献求助10
14秒前
Flying_cattle完成签到,获得积分10
17秒前
小九完成签到 ,获得积分10
18秒前
李健的小迷弟应助跳跳虎采纳,获得10
19秒前
脑洞疼应助陈民采纳,获得10
20秒前
空133发布了新的文献求助10
20秒前
20秒前
忧郁初瑶完成签到,获得积分10
21秒前
21秒前
高分求助中
歯科矯正学 第7版(或第5版) 1004
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Semiconductor Process Reliability in Practice 720
GROUP-THEORY AND POLARIZATION ALGEBRA 500
Mesopotamian divination texts : conversing with the gods : sources from the first millennium BCE 500
Days of Transition. The Parsi Death Rituals(2011) 500
The Heath Anthology of American Literature: Early Nineteenth Century 1800 - 1865 Vol. B 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3229089
求助须知:如何正确求助?哪些是违规求助? 2876882
关于积分的说明 8196780
捐赠科研通 2544248
什么是DOI,文献DOI怎么找? 1374200
科研通“疑难数据库(出版商)”最低求助积分说明 646906
邀请新用户注册赠送积分活动 621693