亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

ESM-BBB-Pred: a fine-tuned ESM 2.0 and deep neural networks for the identification of blood–brain barrier peptides

水准点(测量) 计算机科学 人工智能 人工神经网络 卷积神经网络 一致性(知识库) 鉴定(生物学) 深度学习 机器学习 循环神经网络 植物 生物 大地测量学 地理
作者
Ansar Naseem,Fahad Alturise,Tamim Alkhalifah,Yaser Daanial Khan
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:26 (1)
标识
DOI:10.1093/bib/bbaf066
摘要

Abstract Blood–brain barrier peptides (BBBP) could significantly improve the delivery of drugs to the brain, paving the way for new treatments for central nervous system (CNS) disorders. The primary challenge in treating CNS disorders lies in the difficulty pharmaceutical agent’s face in crossing the BBB. Almost 98% of small molecule drugs and nearly all large molecule drugs fail to penetrate the BBB effectively. Thus, identifying these peptides is vital for advancements in healthcare. This study introduces an enhanced intelligent computational model called BBB-PEP- Evolutionary Scale Modeling (ESM), designed to identify BBBP. The relative positions, reverse position and statistical moment-based features have been utilized on the existing benchmark dataset. For classification purpose, six deep classifiers such as fully connected networks, convolutional neural network, simple recurrent neural networks, long short-term memory (LSTM), bidirectional LSTM, and gated recurrent unit have been utilized. In addition to harnessing the effectiveness of the pre-trained model, a protein language model ESM 2.0 has been fine-tuned on a benchmark dataset for BBBP classification. Three tests such as self-consistency, independent set testing, and five-fold cross-validation have been utilized for evaluation purposes with evaluation metrics includes accuracy, specificity, sensitivity, and Matthews correlation coefficient. The fine-tuned model ESM 2.0 has shown superior results as compared to employed classifiers and surpasses the existing benchmark studies. This system will support future research and the scientific community in the computational identification of BBBP.
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
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
4秒前
Jasmine发布了新的文献求助10
9秒前
科研通AI5应助科研通管家采纳,获得10
15秒前
大渡河完成签到 ,获得积分10
16秒前
聪明怜阳完成签到,获得积分10
25秒前
科研通AI5应助zxz采纳,获得10
31秒前
小白菜完成签到,获得积分10
1分钟前
Krim完成签到 ,获得积分10
2分钟前
kingqjack发布了新的文献求助10
2分钟前
研友_VZG7GZ应助kingqjack采纳,获得10
2分钟前
kingqjack完成签到,获得积分10
3分钟前
我爱Chem完成签到 ,获得积分10
3分钟前
zxz关注了科研通微信公众号
3分钟前
3分钟前
zxz发布了新的文献求助10
3分钟前
3分钟前
katarinabluu发布了新的文献求助10
3分钟前
3分钟前
柔弱平蝶发布了新的文献求助10
3分钟前
美丽的楼房完成签到 ,获得积分10
4分钟前
科研通AI5应助科研通管家采纳,获得10
4分钟前
奔跑的青霉素完成签到 ,获得积分10
4分钟前
katarinabluu完成签到,获得积分10
4分钟前
5分钟前
5分钟前
云雨完成签到 ,获得积分10
5分钟前
ohwhale完成签到 ,获得积分10
5分钟前
轻松小张完成签到,获得积分10
5分钟前
nvatk16发布了新的文献求助200
6分钟前
feitian201861完成签到,获得积分10
7分钟前
cy0824完成签到 ,获得积分10
7分钟前
7分钟前
YUKI发布了新的文献求助10
7分钟前
nvatk16完成签到,获得积分10
7分钟前
YUKI完成签到 ,获得积分10
8分钟前
英俊的铭应助魔幻诗兰采纳,获得10
9分钟前
9分钟前
魔幻诗兰完成签到,获得积分10
9分钟前
ZTLlele完成签到 ,获得积分10
9分钟前
魔幻诗兰发布了新的文献求助10
9分钟前
高分求助中
Applied Survey Data Analysis (第三版, 2025) 800
Narcissistic Personality Disorder 700
Assessing and Diagnosing Young Children with Neurodevelopmental Disorders (2nd Edition) 700
Handbook of Experimental Social Psychology 500
The Martian climate revisited: atmosphere and environment of a desert planet 500
Transnational East Asian Studies 400
Towards a spatial history of contemporary art in China 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3845526
求助须知:如何正确求助?哪些是违规求助? 3387795
关于积分的说明 10550597
捐赠科研通 3108429
什么是DOI,文献DOI怎么找? 1712776
邀请新用户注册赠送积分活动 824501
科研通“疑难数据库(出版商)”最低求助积分说明 774877