跳到正文
事件历史事件

DecoyOpt提出诱饵感知酶判别与EC预测流程

1 篇报道1 个报道来源7 天前更新

先了解这件事

AI 综述

Liu等人提出DecoyOpt两阶段流程:先用ESM3生成功能位点诱饵,并由MLP区分酶、未注释蛋白与诱饵,再用对比学习模型预测EC号。作者在bioRxiv预印本中称,该流程在三种数据拆分上评估了16个蛋白质语言模型;在最严格的GraphPart 40%拆分上,MCC为0.899,D0诱饵假阳性率为6.17%,优于重新训练的基线。 作者还报告,该流程能正确注释全部4个野生型酶,并拒绝全部8个失活或近失活变体。

AI 根据报道生成 · 5 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月10日
  1. bioRxiv
    DecoyOpt 提出两阶段流程用于诱饵感知酶判别与 EC 号预测

    作者提出 DecoyOpt 两阶段流程,先用 ESM3 生成功能位点诱饵,并由 MLP 区分酶、未注释蛋白与诱饵,再由对比学习模型预测 EC 号。该流程在三种拆分上评估了 16 个蛋白质语言模型,在最严格的 GraphPart 40% 拆分上取得 MCC 0.899 和 D0 诱饵 FPR 6.17%,优于重训基线。它还能正确注释全部 4 个野生型酶,并拒绝全部 8 个失活或近失活变体。

本事件热度走势

可比范围当前
3
可比范围峰值
411月11日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。