bioRxiv 预印本· De, M., Lodh, E., Majumder, S., Chowdhury, T. ·· 14 小时前AI 评分20
蛋白语言模型条件化图神经网络用于GPCR配体活性多任务预测
Protein Language Model-Conditioned Graph Neural Networks for Multitask GPCR Ligand Activity Prediction
AI 导读
研究者开发了一种多模态图神经网络，将配体分子图与冻结的蛋白语言模型GPCR序列表征结合，同时预测pActivity定量值与二分类活性。模型在271,739个配体–GPCR配对上训练，覆盖183,694个配体和216个人源GPCR；采用ESM-2 650M受体嵌入时，随机、冷配体和骨架划分下的平均绝对误差分别为0.513、0.540和0.641个pActivity单位。
来源：bioRxiv 预印本 · biorxiv.org