Training self-supervised peptide sequence models on artificially chopped proteins
Amazon Devices（亚马逊设备部门）；Amazon Machine Learning Solutions Lab（亚马逊机器学习解决方案实验室）；AWS Professional Services（亚马逊云科技专业服务部门）
蛋白质的表征学习主要集中在对蛋白质序列的整体理解上，而不管它们的长度如何。然而，较短的蛋白质（称为肽）与较长的蛋白质相比具有不同的结构和功能。不幸的是，没有那么多天然存在的肽可用于测序，因此用于训练的肽特异性数据较少。在本文中，我们提出了一个新的肽数据增强计划，我们训练肽语言模型人工构建的肽，是小的连续子集的较长的野生型蛋白质，我们称之为“切碎的蛋白质”的训练肽。我们评估了用切碎的蛋白质与天然肽训练的模型的代表性潜力，发现用切碎的蛋白质训练语言模型会导致短蛋白质序列的更一般化的嵌入。这些肽特异性模型也比在全长蛋白质上训练的语言模型更好地保留了它们所来源的原始蛋白质的信息。我们将掩蔽语言模型的训练目标与三种新的肽特定训练目标进行了比较：下一个肽预测，对比肽选择和进化加权MLM。我们证明了深度突变扫描肽基准的改进的zero-shot学习性能。
2022-11-09 cs.LG q-bio.BM q-bio.QM
Unbiased organism-agnostic and highly sensitive signal peptide predictor with deep protein language model
CUHK（香港中文大学）；Washington University（华盛顿大学）；The CUHK Shenzhen Research Institute（香港中文大学深圳研究院）；Georgia Institute of Technology（佐治亚理工学院）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Massachusetts Institute of Technology（麻省理工学院）；Harvard University（哈佛大学）；Broad Institute of MIT and Harvard（麻省理工学院-哈佛大学博德研究所）
针对传统实验鉴定信号肽效率低、现有计算方法受物种限制且数据不平衡的问题，本研究提出基于蛋白质语言模型的USPNet，结合标签分布感知边距损失与进化信息，实现无偏跨物种的高灵敏度信号肽分类与切割位点预测。
2023-12-14 cs.AI q-bio.QM
Benchmarking Peptide-Protein Affinity Prediction Across Peptide and Target Shifts
College of Biology, Hunan University（湖南大学生命科学学院）；Lingang Laboratory（临港实验室）
该研究整合多源肽-蛋白结合数据构建基准，测试多种肽表示、ESM-2嵌入及回归器在不同划分下的性能，发现表示与回归器泛化特性，提出基准需匹配预期用途并联合评估多因素影响。
2026-09-01 cs.LG q-bio.QM
HMD-AMP: Protein Language-Powered Hierarchical Multi-label Deep Forest for Annotating Antimicrobial Peptides
CUHK（香港中文大学）；The CUHK Shenzhen Research Institute（香港中文大学深圳研究院）；University of Electronic Science and Technology of China（电子科技大学）
确定抗菌肽的靶标是研究先天免疫反应和对抗抗生素耐药性的基本步骤，更广泛地说，是精准医学和公共卫生的基本步骤。已经对统计学和计算方法进行了广泛的研究，以鉴定（i）肽是抗菌肽（AMP）还是非AMP，以及（ii）这些序列有效靶向哪些（革兰氏阳性、革兰氏阴性等）。尽管现有的深度学习方法在这个问题上，他们中的大多数都无法处理小AMP类（抗昆虫，抗寄生虫等）。更重要的是，一些AMP可以有多个靶点，这是以前的方法没有考虑到的。在本研究中，我们通过收集和清洗各种AMP数据库中的氨基酸，建立了一个多样化和全面的多标签蛋白质序列数据库。为了为小类数据集生成有效的表示和特征，我们利用了在2.5亿个蛋白质序列上训练的蛋白质语言模型。在此基础上，我们开发了一个端到端的分层多标签深度森林框架HMD-AMP，对AMP进行全面的标注。在识别AMP之后，它进一步预测AMP可以从11个可用类别中有效杀死哪些目标。大量的实验表明，我们的框架优于国家的最先进的模型在二进制分类任务和多标签分类任务，特别是对小类。该模型是强大的减少功能和小扰动，并产生有前途的结果。我们相信HMD-AMP有助于未来对不同抗菌肽的固有结构特性的湿实验室研究，并为抗生素的精确医学建立有希望的经验基础。
2021-11-11 cs.AI cs.LG q-bio.QM
Peptide-GPT: Generative Design of Peptides using Generative Pre-trained Transformers and Bio-informatic Supervision
Carnegie Mellon University（卡内基梅隆大学）
本文提出PeptideGPT蛋白质语言模型，结合困惑度、凸包过滤、ESMFold结构预测及PeptideBERT、HAPPENN分类监督，实现具有溶血、抗污着和溶解性等属性的从头肽设计。
2024-10-25 cs.LG q-bio.QM
pLMFPPred: a novel approach for accurate prediction of functional peptides integrating embedding from pre-trained protein language model and imbalanced learning
School of Mathematics and Computer Science, Guangdong Ocean University（广东海洋大学数学与计算机学院）；School of Basic Medical Sciences, Lanzhou University（兰州大学基础医学院）；Department of Hematology, Affiliated Hospital of Guangdong Medical University（广东医科大学附属医院血液科）
本文提出 pLMFPPred，融合 ESM-2 嵌入、SMOTE-TOMEK 不平衡采样与 Shapley 特征选择，用于准确预测功能性肽和毒性肽，并在独立测试中显著优于现有方法。
2023-09-25 cs.LG q-bio.QM
Leveraging Machine Learning Models for Peptide-Protein Interaction Prediction
本文综述了利用机器学习和深度学习模型预测肽-蛋白质相互作用的方法，旨在克服传统计算成本高、柔性大等挑战，并提升预测的准确性、鲁棒性与可解释性。
2024-02-07 q-bio.BM q-bio.QM
One-shot screening of potential peptide ligands on HR1 domain in COVID-19 glycosylated spike (S) protein with deep siamese network
Imperial College London（帝国理工学院）
新型冠状病毒（2019-nCoV）已被宣布为新的国际卫生问题，目前尚未确定具体药物。目前正在评估几种方法，如蛋白酶和糖基化刺突（S）蛋白抑制剂，概述了冠状病毒和宿主细胞之间的主要融合位点。尽管如此，糖基化刺突（S）蛋白上的Heptad Repeat 1（HR 1）结构域是具有较低突变性的区域，然后是新抑制剂药物最令人鼓舞的靶点。与其他方法相比，所提出的方法的新颖性在于对2019-nCoV病毒进行深度神经网络的精确训练。其中，暹罗神经网络（SNN）已被训练用于区分两种不同病毒家族（如HIV-1和埃博拉病毒）中的整个2019-nCoV蛋白质序列。通过这种方式，目前的深度学习系统具有2019-nCoV蛋白质结构之间的肽连接的精确知识，并且与其他工作不同的是，不是在尚未提供2019-nCoV的任何配体肽信息的公共数据集上进行琐碎的训练。突然，SNN显示肽亲和力分类的灵敏度为$83\%$，其中SATPdb库上的$3027$肽已针对2019-nCoV的特定区域HR 1进行了测试，对肽基脯氨酰顺反异构酶（PPI酶）肽表现出$93\%$的亲和力。PPIase和HR 1之间的这种亲和力可以打开新的研究视野，因为一些科学论文已经表明，CsA免疫抑制药物，PPIase的主要抑制剂，抑制不同的冠状病毒，包括SARS-CoV和MERS-CoV的繁殖。最后，为了确保科学的可重复性，代码和数据已在以下链接中公开…
2020-04-11 cs.LG q-bio.QM
Discovery of Proteomics based on Machine learning
蛋白质组学鉴定的最终目的是对生物体中的蛋白质进行鉴定和定量。基于无标记蛋白质定量的质谱（MS）主要集中在肽谱计数和离子峰高度的分析。使用几种观察到的肽（蛋白质型）可以鉴定来源蛋白质。然而，每个肽的可能性被检测到的肽的物理化学性质，这混淆了MS计数的结果严重影响。使用由四种不同类型的蛋白质组学平台生成的约一百万个肽鉴定，我们成功地鉴定了超过16，000个蛋白质型肽。我们使用机器学习分类来推导用于预测待观察的胰蛋白酶肽的数量的肽检测概率，这可以用于以高精度估计蛋白质的绝对丰度。我们利用CAS实验室提供的多肽数据，从不同的方法中推导出最佳模型。我们首先使用支持向量机和随机森林分类器来识别蛋白质型和未观察到的肽，然后搜索最佳参数以获得更好的预测结果。考虑到我们的模型的优良性能，我们可以计算蛋白质丰度的绝对估计。
2013-12-04 q-bio.QM
Interpreting BERT architecture predictions for peptide presentation by MHC class I proteins
主要组织相容性复合体（MHC）I类途径支持免疫系统检测癌症和病毒。它将细胞内的部分蛋白质（肽）呈递到其膜表面上，使免疫细胞能够检测到非自身肽来终止细胞。预测肽是否会出现在MHC I类分子上的能力有助于设计疫苗，这样它们就可以激活免疫系统来破坏入侵的疾病蛋白。我们使用基于BERT的架构（ImmunoBERT）设计了一个预测模型，该模型将肽及其周围区域（N和C末端）以及一组MHC I类（MHC-I）分子作为输入。我们提出了一种新的应用程序，众所周知的可解释性技术，SHAP和石灰，这个域，我们使用这些结果与三维结构可视化和氨基酸频率来理解和识别的最有影响力的部分的输入氨基酸序列的输出。特别是，我们发现接近肽的N-和C-末端的氨基酸是高度相关的。此外，MHC蛋白质内的一些位置（特别是在A、B和F口袋中）通常被赋予高重要性排名-这证实了生物学研究和结构可视化中的距离。
2021-11-13 q-bio.QM
A Combinatorial Perspective of the Protein Inference Problem
在鸟枪蛋白质组学实验中，蛋白质是最有生物学意义的输出。蛋白质组学研究的成功取决于准确有效地鉴定蛋白质的能力。已经提出了许多方法来促进从肽鉴定的结果中鉴定蛋白质。然而，蛋白质鉴定和肽鉴定之间的关系以前没有得到彻底的解释。在本文中，我们致力于蛋白质推理问题的组合视角。我们采用组合数学计算条件蛋白质概率（蛋白质概率是指蛋白质被正确识别的概率）在三个假设下，这导致一个下限，上限和蛋白质概率的经验估计，分别。组合的角度，使我们能够获得一个封闭的形式制定蛋白质推理。基于我们的模型，我们研究了独特的肽和简并肽对蛋白质概率的影响。这里，简并肽是由至少两种蛋白质共享的肽。同时，我们也研究了我们的模型与其他方法如ProteinProphet的关系。可以计算概率置信区间，并与概率一起用于过滤蛋白质鉴定结果。我们的方法在基于两个标准蛋白质混合物数据集和两个真实样本数据集的实验中以更有效的方式实现了与ProteinProphet竞争的结果。我们将我们的程序命名为ProteinInfer。其Java源代码可在http://bioinformatics.ust.hk/proteininfer上获得
2012-11-29 q-bio.GN q-bio.QM
GA-Novo: De Novo Peptide Sequencing via Tandem Mass Spectrometry using Genetic Algorithm
蛋白质组学是对蛋白质的大规模分析。鉴定蛋白质和表征其氨基酸序列的常用方法是将蛋白质消化成肽，使用质谱法分析肽，并使用数据库搜索工具将所得串联质谱（MS/MS）分配给肽。然而，数据库搜索算法高度依赖于参考蛋白质数据库，并且它们不能识别不包括在数据库中的肽和蛋白质。因此，开发了从头测序算法以通过直接重建MS/MS谱的肽序列而不使用任何蛋白质数据库来克服该问题。目前的从头测序算法往往不能构建完全匹配的序列，并产生部分匹配。在这项研究中，我们提出了一种基于遗传算法的方法，GA-Novo，以解决复杂的优化任务从头肽测序，旨在构建全长序列。给定MS/MS光谱，GA-Novo优化氨基酸序列以最佳拟合输入光谱。在测试数据集上，GA-Novo的性能优于PEAKS，PEAKS是该任务中最常用的软件，构建的完全匹配肽序列数量高出8%，部分匹配序列的召回率高出4%。
2019-02-03 cs.CE q-bio.BM q-bio.QM
Learning a peptide-protein binding affinity predictor with kernel ridge regression
Université Laval（拉瓦尔大学）
我们提出了一个专门的字符串内核的小生物分子，肽和伪序列的结合界面。该核结合了氨基酸的物理化学性质，并优雅地推广了八个核，如寡核苷酸，加权度，混合光谱和径向基函数。我们提供了一个低复杂度的动态规划算法的精确计算的核和它的近似的线性时间算法。结合核岭回归和SupCK，一种新的结合口袋核，所提出的核产生生物相关性和良好的预测精度的PepX数据库。机器学习预测器首次能够准确预测任何肽与任何蛋白质的结合亲和力。该方法也适用于单靶和泛特异性主要组织相容性复合物II类基准数据集和三个定量结构亲和模型基准数据集。在所有基准上，我们的方法在预测肽-蛋白质结合亲和力方面显著（p值< 0.057）优于当前最先进的方法。所提出的方法是灵活的，可以应用于预测任何定量的生物活性。该方法应该是有价值的一个大部分的研究社区的潜力，以加速肽为基础的药物和疫苗的开发。
2012-07-31 cs.LG q-bio.BM q-bio.QM
A nested mixture model for protein identification using mass spectrometry
质谱法提供了一种高通量的方法来鉴定生物样品中的蛋白质。在一个典型的实验中，样品中的蛋白质首先被分解成它们的组成肽。然后将所得的肽混合物进行质谱分析，质谱分析产生数千个光谱，每个光谱都具有其生成肽的特征。在这里，我们考虑的问题推断，从这些光谱，蛋白质和肽存在于样品中。我们开发了一个统计方法来解决这个问题，基于嵌套混合模型。与常用的两阶段方法相比，该模型提供了一个一阶段的解决方案，可以同时识别哪些蛋白质存在，以及哪些肽被正确识别。通过这种方式，我们的模型结合了蛋白质及其组成肽之间的证据反馈。使用模拟数据和酵母数据集，我们比较和对比我们的方法与现有的广泛使用的方法（PeptideProphet/ProteinProphet）和最近发表的新方法，HSM。对于肽鉴定，我们的单阶段方法始终产生更准确的结果。对于蛋白质鉴定的方法在大多数情况下具有相似的准确性，尽管我们展示了一些现有方法表现不佳的情况。
2010-11-09 physics.bio-ph q-bio.BM q-bio.QM
Deep learning for peptide identification from metaproteomics datasets
元蛋白质组学在微生物组研究中得到了广泛的应用，以深入了解微生物群落的功能状态。目前的元蛋白质组学研究一般是基于高通量串联质谱（MS/MS）与液相色谱联用。从MS数据中识别肽和蛋白质涉及根据预定义的蛋白质序列数据库搜索MS/MS光谱并将得分最高的肽分配给光谱的计算程序。现有的计算工具仍然远远不能从从元蛋白质组样本获得的大型MS/MS数据集中提取所有信息。在本文中，我们提出了一种基于深度学习的算法，称为DeepFilter，用于提高串联质谱集合中的置信肽识别率。与其他后处理工具相比，包括Percolator，Q-ranker，PeptideProphet和Iprophet，DeepFilter在海洋微生物和土壤微生物元蛋白质组样本中分别识别出20%和10%的肽谱匹配和蛋白质，错误发现率为1%。
2020-09-23 q-bio.QM
Deep Learning Model for Amyloidogenicity Prediction using a Pre-trained Protein LLM
本文提出利用预训练蛋白质大语言模型提取序列上下文特征，并结合双向 LSTM 和 GRU 预测肽与蛋白质中的淀粉样变性区域，在交叉验证和测试集上分别取得 84.5% 和 83% 的准确率，展示了大语言模型在该任务中的潜力。
2025-08-18 cs.AI cs.LG q-bio.QM
Mechanism for long-acting chimeras based on fusion with the carboxyl-terminal peptide (CTP) of human chorionic gonadotropin beta-subunit 3
热力学缩放解释了CTP融合的人生长蛋白在体内寿命方面的巨大成功以及与其野生型类似物（如Biogen）相比增强的功能性。该理论是半定量的，不含可调参数。它显示了亲水性末端球体如何在膜表面附近定位融合蛋白，延长寿命并改善功能。
2016-10-04 q-bio.QM
Mirror-Score: Calibrated, Inference-only Scoring Exposes the Limits of Sequence-compatibility Ranking in D-peptide Design
AI Scientist, Albany, NY, USA, 12205（AI Scientist，奥尔巴尼，纽约州，美国，12205）
提出Mirror-Score，一种校准的仅推理评分框架，用于D-肽设计，揭示ProteinMPNN NLL排序的局限，并通过Boltz-2置信度实现有效的亲和力排序。
2026-09-30 cs.AI cs.CE cs.ET
Regressor-guided Diffusion Model for De Novo Peptide Sequencing with Explicit Mass Control
DiffuNovo通过回归器引导的扩散模型实现从头肽序列生成，提供显式质量控制，提升DNPS的准确性与物理合理性。
2026-02-23 cs.LG q-bio.QM
FIT: Tag based method for fusion proteins identification
人们对基因融合和嵌合RNA转录物的鉴定和分析越来越感兴趣。虽然最近的努力集中在基因组和转录组数据的分析，鉴定新的肽对应于这些事件在基于质谱的蛋白质组数据集将提供补充，蛋白质水平的证据。从质谱数据中识别融合蛋白的过程本质上是困难的，因为这样的事件是罕见的。由于收集的大量光谱和需要考虑的候选肽序列数量的爆炸，这也是复杂的，这使得对所有可能的融合伴侣蛋白的exhaustive搜索是不切实际的。在这项工作中，我们提出了一个基于序列标签的融合蛋白识别算法，FIT，它结合了从头序列标签检索和肽谱匹配的融合蛋白识别的优点。模拟数据集上的结果表明，FIT算法对融合蛋白的识别具有较高的灵敏度和较低的假阳性率。
2014-08-21 q-bio.GN q-bio.QM
Design and Production of Specifically and with High Affinity Reacting Peptides
背景：一种部分随机靶选择方法被开发用于设计和生产针对任何蛋白质查询的亲和试剂（靶）。它基于最近的蛋白质组密码概念（综述参见Biro，2007 [1]），该概念表明特异性相互作用蛋白质中的大量氨基酸由部分互补密码子编码。这意味着编码许多共定位氨基酸的密码子的第一和第三残基是互补的，但第二残基可以但不一定是互补的：如5 '-AXG-3'/3 '-CXT-5'密码子对，其中X是任何核苷酸。结果如下：合成45个残基长、反向、部分互补的寡核苷酸序列（靶池）的混合物，以选择查询mRNA序列的表位。第二密码子残基随机化。将目的寡核苷酸池插入载体，表达，并在细菌双杂交系统中筛选蛋白产物对查询的亲和力。最好的克隆用于大规模的蛋白质合成和表征。这是可能的设计和生产特异性和高亲和力反应（Kd：100 nM）的寡肽试剂GAL 4查询寡肽。结论：第二密码子残基随机化是一种很有前途的设计和生产亲和肽的任何蛋白质序列。该方法有可能成为一种快速，廉价，高通量，非免疫球蛋白为基础的替代最近的体内抗体产生程序。
2008-07-20 q-bio.BM q-bio.QM
Mass spectrometry based protein identification with accurate statistical significance assignment
动机：随着许多类型的Meta数据（通常以层次结构组装）被构建和组合用于进一步的生物学分析，准确地确定统计学意义变得越来越重要。Meta数据在任何层面上的统计不准确都可能传播到下游分析，破坏由此得出的科学结论的有效性。从基于质谱的蛋白质组学的角度来看，即使现在可以实现肽鉴定的准确统计，准确的蛋白质水平统计仍然具有挑战性。结果如下：我们已经构建了一个蛋白质ID方法，该方法基于先前推导的严格公式结合候选蛋白质的肽证据;在该公式中，在最终组合之前，根据其映射的蛋白质数量，对每个肽的数据库$P$值进行加权。我们还表明，这种蛋白质ID方法提供了准确的蛋白质水平$E$ -值，消除了使用经验后处理方法进行I型错误控制的需要。使用一个已知的蛋白质混合物，我们发现，这种蛋白质ID方法，当与Soric公式相结合，产生准确的值的比例错误的发现。在检索效率方面，从我们的方法的结果是可比的与其他方法测试。可用性：在Linux系统上用C++实现的源代码可以从ftp://ftp.ncbi.nlm.nih.gov/pub/qmbp/qmbp_ms/RAId/RAId_Linux_64Bit下载
2014-07-24 q-bio.QM
Estimation of protein folding probability from equilibrium simulations
相似结构具有相似折叠概率（$p_{fold}$）的假设自然导致了一种程序，该程序针对沿着结构化肽或蛋白质的平衡折叠-解折叠轨迹保存的每个快照来评估$p_{fold}$。该过程利用结构上均匀的聚类，不需要任何额外的模拟。它可用于检测多重折叠途径，如通过隐式溶剂分子动力学模拟研究的三链反平行$β$ -折叠肽所示。
2005-03-10 cond-mat.soft q-bio.BM q-bio.QM
SERS discrimination of single amino acid residue in single peptide by plasmonic nanocavities
针对蛋白质SERS光谱被芳香族残基主导而难以分析序列的问题，本研究利用电等离激元纳米腔实现单分子水平SERS，成功识别短肽链中单一氨基酸残基，为单蛋白质测序提供了新方法。
2019-12-13 physics.optics q-bio.QM
PFMFind: a system for discovery of peptide homology and function
蛋白质片段基序搜索（PFMFind）是一种能够使用相似性搜索有效发现蛋白质序列的短片段之间的关系的系统。它支持基于得分矩阵和PSSM的查询，通过类似于PSI-BLAST的迭代过程获得。PSSM构造可以通过Python编写的插件进行自定义。PFMFind由GUI客户端、使用索引进行快速相似性搜索的算法和用于存储搜索结果和序列注释的关系数据库组成。它主要是用Python编写的。所有组件都使用TCP/IP套接字进行通信，并且可以位于不同的物理机器上。
2013-05-16 q-bio.GN q-bio.QM
Transformer-based de novo peptide sequencing for data-independent acquisition mass spectrometry
University of North Texas（北得克萨斯大学）
针对DIA质谱数据高度多重性导致的从头测序难题，提出基于Transformer的DiaTrans模型，显著提升氨基酸和肽段水平的精确度与召回率，优于现有方法。
2024-06-26 cs.AI q-bio.QM
Protein Sequencing with an Adaptive Genetic Algorithm from Tandem Mass Spectrometry
在蛋白质组学中，只有从头肽测序方法允许从MS/MS谱中发现肽的部分氨基酸序列。在这篇文章中，提出了一个初步的工作，发现一个完整的蛋白质序列的光谱数据（MS和MS/MS光谱）。目前，我们的方法仅使用MS光谱。遗传算法（GA）已被设计与一个新的评价功能，它直接与一个完整的MS谱作为输入，而不是与质量列表像其他方法使用这种数据。因此，删除了需要人为干预的单同位素峰提取步骤。这种方法的目标是发现未知蛋白质的序列，并允许更好地了解实验蛋白质和数据库中蛋白质之间的差异。
2008-04-08 q-bio.QM
Running PeptideProphet Separately on Replicates Improves Peptide Identification Results
有限的光谱覆盖是鸟枪法蛋白质组学中的一个问题。生成副本以提高频谱覆盖率。当整合从重复获得的肽鉴定结果时，最先进的算法PeptideProphet在构建统计模型之前结合肽谱匹配（PSM）来计算肽概率。在本文中，我们发现重复的合并结果和Bagging之间的联系，这是一个标准的例程，以提高统计方法的权力。遵循Bagging的理念，我们建议对每个重复分别运行PeptideProphet，并结合输出以获得最终的肽概率。在我们的实验中，我们证明了所提出的例程可以在标准蛋白质数据集、人类数据集和酵母数据集上一致地改进PeptideProphet。
2012-12-02 q-bio.GN q-bio.QM stat.AP
Model for competing pathways in protein-aggregation: role of membrane bound proteins
基于阿尔茨海默病中Aβ肽聚集的生物学重要性和复杂性，我们介绍了一种用于研究蛋白质聚集的模型和模拟方法，包括细胞外聚集、膜结合蛋白辅助的细胞表面聚集以及肽和蛋白质的供应、清除、产生和螯合。该模型用于生成聚集开始时的平衡和动力学聚集相图，以及由于聚集而降低的稳定Aβ单体浓度。我们实施的方法允许建模的现象，涉及数量级的时间尺度和浓度的差异，可以保留在模拟中。我们演示了如何确定的参数值范围，使单体浓度耗尽后，类似于在阿尔茨海默氏病中观察到的聚集。我们展示了如何非常不同的行为，可以得到反应参数和蛋白质浓度的变化，并讨论了调和实验结果从两个截然不同的浓度制度的困难。后者是一个重要的一般性问题，在有关体外和小鼠为基础的实验，以人类。
2018-03-01 q-bio.QM
HLA class I binding prediction via convolutional neural networks
University of California, Irvine（加州大学欧文分校）
许多生物学过程受蛋白质与配体相互作用控制。一个这样的例子是免疫系统对自身和非自身细胞的识别。这种免疫应答过程由主要组织相容性复合体（MHC）蛋白调节，该蛋白由人白细胞抗原（HLA）复合体编码。了解MHC和肽之间的结合潜力可以设计出更有效的基于肽的疫苗和免疫疗法，用于感染性自身免疫性疾病。我们应用自然语言处理（NLP）领域的机器学习技术来解决MHC-肽结合预测的任务。更具体地说，我们介绍了一种新的分布式表示的氨基酸，名称HLA-Vec，可用于各种下游蛋白质组学机器学习任务。然后，我们提出了一个深度卷积神经网络架构，命名为HLA-CNN，用于HLA I类肽结合预测的任务。实验结果表明，将新的分布式表示与我们的HLA-CNN架构相结合，在大多数最新的两个免疫表位数据库（IEDB）每周自动基准数据集中实现了最先进的结果。我们进一步应用我们的模型来预测人类基因组上的结合，并确定了15个具有自我结合潜力的基因。
2017-04-12 cs.LG q-bio.QM
DeepIEP: a Peptide Sequence Model of Isoelectric Point (IEP/pI) using Recurrent Neural Networks (RNNs)
Wildcard Pharmaceutical Consulting（Wildcard 制药咨询公司）
等电点（IEP或pI）是指肽和蛋白质分子系综上的净电荷为零的pH值。这种物理化学性质取决于可质子化/可去质子化的侧链及其pKa值。在这里，使用具有长短期记忆（LSTM）细胞的递归神经网络（RNN）从肽序列和pI的数据库训练pI预测模型。对于外部测试集，经训练的模型获得0.28和0.95的RMSE和R $^2$。该模型不是基于pKa值，但构建的测试序列的预测显示与已知的pKa值相似的排名。该预测主要依赖于已知的酸性和碱性氨基酸的存在，并根据肽链中带电氨基酸的相邻序列和位置进行微调。
2017-12-27 cs.LG q-bio.BM q-bio.QM
Classification of signaling proteins based on molecular star graph descriptors using Machine Learning models
University of A Coruna（拉科鲁尼亚大学）；University of Bristol（布里斯托尔大学）；Maastricht University（马斯特里赫特大学）
信号蛋白是药物开发中的一个重要课题，因为寻找快速，准确和廉价的方法来评估特定疾病中涉及的新分子靶点越来越重要。蛋白质结构的复杂性阻碍了信号活性与分子结构的直接关联。因此，所提出的解决方案涉及使用蛋白质星图将肽序列信息编码成用S2 SNet工具计算的特定拓扑指数。利用机器学习技术建立的定量构效关系分类模型能够预测新的信号肽。最佳分类模型是第一信令预测模型，其基于11个描述符，并且其使用具有拉普拉斯核（RFE-RFE）和0.961的AUROC的支持向量机-递归特征消除（SVM-RFE）技术获得。测试来自PDB数据库的一组3114个未知功能的蛋白质，评估模型的预测性能。提供了三种UniprotID（34个PDB）的重要信号通路，信号预测大于98.0%。
2019-04-10 cs.LG q-bio.QM stat.ML
Peptide-Spectra Matching from Weak Supervision
与许多其他科学领域一样，当使用机器学习从质谱数据中识别蛋白质时，我们面临一个基本问题：将输入映射到正确输出的大型地面实况数据集非常难以获得。相反，我们可以访问由领域专家精心制作的不完美的手工编码模型。在本文中，我们将深度神经网络应用于蛋白质鉴定问题的重要步骤，即质谱与称为肽的氨基酸短序列的配对。我们训练我们的模型，以区分来自最先进的经典系统的最高评分结果和第二名和第三名的硬性阴性结果。我们得到的模型在识别具有光谱的肽方面比用于生成其训练数据的模型要好得多。特别是，我们实现了43%的标准匹配方法的改进和10%的匹配方法和行业标准的交叉光谱重新排序工具的组合的改进。重要的是，在反映生物学家当前面临的挑战的更困难的实验制度中，即使在重新排名后，我们对先前最先进技术的优势也增长到15%。我们相信这种方法将推广到其他具有挑战性的科学问题。
2018-08-22 q-bio.QM stat.ML
DeepIso: A Deep Learning Model for Peptide Feature Detection
基于液相色谱-串联质谱（LC-MS/MS）的蛋白质组学是一个成熟的研究领域，其主要应用包括疾病生物标志物的鉴定、药物发现、药物设计和开发。在蛋白质组学中，蛋白质的鉴定和定量是一项基本任务，其方法是首先将其酶解成肽，然后通过LC-MS/MS仪器分析肽。从LC-MS图谱中检测和定量肽特征是典型分析工作流程的第一步。在本文中，我们提出了一种新的基于深度学习的模型DeepIso，该模型使用卷积神经网络（CNN）来扫描LC-MS图谱，以检测肽特征并估计其丰度。现有的工具通常基于领域知识设计有限的工程特征，并且依赖于预先训练的参数，尽管有大量新的蛋白质组数据，这些参数几乎不会更新。另一方面，我们提出的模型能够通过其多层神经元学习高维数据的多层表示，并随着新获取的数据不断进化。为了评估我们提出的模型，我们使用包括重链和轻链的抗体数据集，每个抗体数据集都被Asp-N、糜蛋白酶、胰蛋白酶消化，从而为实验提供六个LC-MS图。我们的模型在该数据集上实现了93.21%的灵敏度和99.44%的特异性。我们的研究结果表明，新的深度学习工具对于推进蛋白质识别和定量的最新技术是可取的。
2017-12-09 cs.NE physics.med-ph q-bio.QM
A minimum set of stable blocks for rational design of polypeptide chains Running head: A set of stable blocks for protein rational design
这项工作的目的是找到一组结构稳定的五肽，它允许形成所需的3D结构的多肽链。为了寻找确保五肽结构稳定性的因素，我们基于丙氨酸五肽AAAAA生成了具有不超过三个官能团的肽序列。我们用分子动力学方法分析了44，860个肽的结构，发现1，225个五肽在超过80%的模拟时间内处于稳定构象。这些构象的聚类显示54个拓扑类型的构象稳定的五肽。这些构象与蛋白质二级结构的不同组合元件有关。因此，我们获得了构象稳定的五肽的氨基酸结构的最小集合，创建了确保蛋白质结构的预折叠构象的形成的不同拓扑结构的完整集合。
2019-08-14 q-bio.BM q-bio.QM
PARCE: Protocol for Amino acid Refinement through Computational Evolution
作为结合剂的肽和蛋白质的计算机设计由于它们的低副作用和主要特异性而可用于诊断和治疗。为了选择最有希望的候选物，关键问题是了解它们与蛋白质靶标的相互作用。在这项工作中，我们提出了PARCE，一个开源的协议，通过计算进化的氨基酸细化，实现了一个先进的和有前途的方法设计的肽和蛋白质。该方案在结合剂序列中进行随机突变，然后使用分子动力学模拟对结合的构象进行采样，并通过多个评分评估蛋白质相互作用。最后，它通过应用基于结合分数的一致性标准来接受或拒绝突变。迭代该过程的目的是有效地探索新的序列与潜在的更好的亲和力对他们的目标。我们还提供了一个教程运行和再现的方法。
2020-04-27 physics.bio-ph q-bio.BM q-bio.QM
Continued domain-specific pre-training of protein language models for pMHC-I binding prediction
本文研究对蛋白质语言模型进行领域特定持续预训练以提升pMHC-I结合亲和力预测，基于ESM Cambrian在HLA相关肽上采用MLM并比较两种输入格式，仅用高质量定量数据微调，以缓解等位基因数据稀缺和质谱偏差问题。
2025-07-16 q-bio.QM
Deuteros 2.0: Peptide-level significance testing of data from hydrogen deuterium exchange mass spectrometry
总结：氢氘交换质谱（HDX-MS）越来越成为监测蛋白质结构动力学变化的常规方法。差分HDX-MS允许比较单个蛋白质状态，例如在不存在或存在配体的情况下。这可用于将构象变化归因于结合事件，从而允许绘制整个构象网络。因此，随着更多的州被引入到研究系统中，必要的跨州比较的数量迅速增加。目前很少有软件包可以提供HDX-MS数据集的快速和信息比较，甚至更少的软件包可以提供统计分析和高级可视化。根据我们原始软件Deuteros的反馈，我们推出了Deuteros 2.0，该软件已经重新设计，以在HDX-MS分析管道中发挥更大的作用。Deuteros 2.0具有一系列用于反交换校正、数据汇总、肽级统计分析和高级数据绘图功能的设施。可用性：Deuteros 2.0可以在Apache 2.0许可下从https://github.com/andymlau/Deuteros_2.0下载。安装Deuteros 2.0需要MathWorks（https：//www.mathworks.com/products/compiler/matlab-runtime.html）提供的免费MATLAB编译器库，该库可用于Windows和Mac操作系统。
2020-05-17 q-bio.QM stat.AP
