热点事件持续更新
sORF-Trans2MS深度学习框架预测微蛋白
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月6日，bioRxiv发布预印本，研究者开发了双模块深度学习框架sORF-Trans2MS，用于预测sORF翻译与质谱支持的微蛋白。该框架包含两个模块：模块I预测Ribo-seq支持的sORF翻译，内部AUROC为0.870，在独立GENCODE数据集上达0.930；模块II预测质谱支持但Ribo-seq未覆盖的微蛋白，内部AUROC/AUPR为0.804/0.797，在独立质谱数据集上为0.785/0.773。模型解读提示上游RNA上下文（AUG上游约50 nt信号）和蛋白N端起关键作用。目前该研究以预印本形式发布，尚未见后续同行评议或更新的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月6日 08:00
bioRxiv预印本发布sORF-Trans2MS双模块框架，报告各模块预测性能指标。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- bioRxiv 预印本sORF-Trans2MS：用于sORF翻译与MS支持微蛋白预测的双模块深度学习框架
研究者开发了双模块深度学习框架sORF-Trans2MS，分别预测Ribo-seq支持的sORF翻译和MS支持但Ribo-seq未覆盖的微蛋白。模块I内部AUROC为0.870，独立GENCODE数据集上达0.930；模块II内部AUROC/AUPR为0.804/0.797，独立质谱数据集上为0.785/0.773。模型解读提示上游RNA上下文（AUG上游约50 nt信号）和蛋白N端起关键作用。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。