CARTnet用模板信息提升B细胞表位预测

Roy 等在 bioRxiv 提出深度学习框架 CARTnet，把接触感知注意力、多模态特征与模板衍生的表位信息结合，用于从头预测和模板引导的 B 细胞表位预测。作者称该方法在内部和外部测试集上多数指标优于现有方法，AUPRC 分别为 0.243 和 0.267。 在模板引导版本中，引入单个模板残基的信息即可把 AUPRC 从 0.225 提升至 0.403；研究还显示 Alphavirus 的表位信息可迁移到近缘病毒。模型以 CC-BY-NC 4.0 许可发布。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。