Mining and Validation of Novel Hemp Seed-Derived DPP-IV-Inhibiting Peptides Using a Combination of Multi-omics and Molecular Docking.
利用多組學和分子對接結合挖掘及驗證新型大麻籽衍生的DPP-IV抑制肽。 J Agric Food Chem 2023-06-15

大麻籽肽或許可治糖尿病，因可抑制DPP-IV。研究者透過多項技術鑑定大麻籽蛋白，篩選出具DPP-IV抑制特性的肽。體外實驗驗證8種肽具強效DPP-IV抑制，IC50值低於0.5 mM。這些肽在細胞實驗中提升胰島素和GLP-1水平，顯示潛力成為治療藥物。 PubMed DOI

Evaluating the Effectiveness of a Generative Pre-trained Transformers-Based Dietary Recommendation System in Managing Potassium Intake for Hemodialysis Patients.
評估基於生成式預訓練轉換器的膳食建議系統在管理血液透析患者鉀攝入量方面的有效性。 J Ren Nutr 2024-04-14

研究使用GPTs開發AI飲食系統，幫助中國HD患者管理鉀水平。結果顯示系統提供個人化飲食指導，降低高鉀血症風險。儘管在評估高鉀食物方面表現良好，但辨識低鉀食物仍有改進空間。研究強調AI在血液透析患者飲食管理上的潛力，建議進一步研究以完善護理策略。 PubMed DOI

Artificial Intelligence in Cardiovascular Disease Prevention: Is it Ready for Prime Time?
心血管疾病預防中的人工智慧：是否已經準備就緒？ Curr Atheroscler Rep 2024-05-23

AI可透過分析臨床和患者數據改善ASCVD風險評估，提升篩檢效果並增進指南遵循。AI模型個人化風險評估優於傳統，可自動檢測ASCVD風險標誌如CAC。LLM有助於填補預防護理缺口，改善患者教育。AI在ASCVD預防和管理上有潛力，但臨床整合需有規範、反覆的途徑。 PubMed DOI

Peptide-based drug discovery through artificial intelligence: towards an autonomous design of therapeutic peptides.
透過人工智慧進行肽基藥物發現：朝向治療性肽的自主設計。 Brief Bioinform 2024-06-10

肽類有多樣生物活性，有治療潛力，但短效和易降解。人工智慧和計算工具推動肽類研究，如生成對抗網絡和變分自編碼器用於肽類設計。挑戰在於模型優化和驗證。討論AI整合肽類開發，概述機器學習策略，提出AI輔助肽類設計流程，強調AI加速肽類藥物發現的實用性。 PubMed DOI

Can large language models predict antimicrobial peptide activity and toxicity?
大型語言模型能否預測抗微生物肽的活性和毒性？ RSC Med Chem 2024-06-24

AMPs是短肽，可對抗微生物藥物的抗藥性。開發受到對人體細胞的毒性影響，難以控制。GPT-3已用於預測AMP活性和毒性，但簡單模型如RNN和SVM表現更佳。建議目前使用簡單模型，但需重新評估大型語言模型的潛力。 PubMed DOI

ToxinPred 3.0: An improved method for predicting the toxicity of peptides.
ToxinPred 3.0：一種改進的肽毒性預測方法。 Comput Biol Med 2024-07-22

毒性是治療性肽開發的一大挑戰，常導致臨床試驗失敗。我們的團隊在2013年推出了ToxinPred，預測肽毒性的工具。這篇論文介紹了ToxinPred的升級版，提升了預測的可靠性與準確性。我們結合了機器學習和深度學習技術，改善了靈敏度與特異性之間的平衡，並在獨立數據集上取得了優異的表現。我們還推出了ToxinPred3的獨立軟體包和網頁伺服器，方便科學社群使用，網址為 https://github.com/raghavagps/toxinpred3 和 https://webs.iiitd.edu.in/raghava/toxinpred3/。 PubMed DOI

RLpMIEC: High-Affinity Peptide Generation Targeting Major Histocompatibility Complex-I Guided and Interpreted by Interaction Spectrum-Navigated Reinforcement Learning.
RLpMIEC：高親和力肽的生成，針對主要組織相容性複合體-I，並由互動光譜導航的強化學習指導和解釋。 J Chem Inf Model 2024-08-09

主要組織相容性複合體（MHC）在將表位呈現給T細胞受體中扮演關鍵角色，啟動免疫反應。傳統疫苗設計通常需透過昂貴的高通量篩選來找出高MHC結合親和力的表位。近期，人工智慧（AI）在蛋白質結構預測等領域展現潛力。我們提出了一種基於深度強化學習的生成算法RLpMIEC，能有效設計出結合MHC-I系統的肽，並具備高可解釋性，對加速肽基疫苗開發具有重要意義。 PubMed DOI

DeepAIP: Deep learning for anti-inflammatory peptide prediction using pre-trained protein language model features based on contextual self-attention network.
DeepAIP：基於上下文自注意力網絡的預訓練蛋白質語言模型特徵進行抗炎肽預測的深度學習。 Int J Biol Macromol 2024-10-02

這項研究開發了一種名為DeepAIP的深度學習模型，專門用來預測抗炎肽（AIPs）。由於傳統的抗炎治療方法如NSAIDs和糖皮質激素常有副作用，尋找替代療法變得相當重要。DeepAIP結合了上下文自注意力機制和預訓練的蛋白質語言模型，顯著提高了預測準確性。測試中，Prot-T5表現最佳，DeepAIP的表現超越現有方法，成功識別17個新型抗炎肽序列。研究數據和代碼已在GitHub上公開。 PubMed DOI

LLM4THP: a computing tool to identify tumor homing peptides by molecular and sequence representation of large language model based on two-layer ensemble model strategy.
LLM4THP：一種計算工具，用於通過基於雙層集成模型策略的分子和序列表示來識別腫瘤靶向肽。 Amino Acids 2024-10-15

腫瘤定位肽（THPs）能特異性結合腫瘤細胞，對癌症治療和檢測有潛力，但傳統檢測方法速度慢且成本高。為解決此問題，我們推出LLM4THP，利用大型語言模型（LLMs）快速檢測THP。該方法結合多種序列特徵，並採用集成策略，透過兩層學習架構提升準確性。LLM4THP在多項指標上表現優於現有方法，源代碼和數據集可在GitHub上獲得。 PubMed DOI

Database, prediction, and antibacterial research of astringency based on large language models.
基於大型語言模型的收斂性數據庫、預測及抗菌研究。 Comput Biol Med 2024-11-12

這項研究提出了一種新方法來理解澀味，這種感官體驗會讓口腔感到乾燥，影響葡萄酒和茶等食物的味道。研究建立了包含238種澀味分子的數據庫，並開發了結合大型語言模型和機器學習的預測框架，能準確預測分子和肽的特性。研究還建立了一個高準確度的澀味預測器，並驗證其結果。此外，發現51%的澀味分子具抗菌特性。這些成果可透過AstringentPD和ABPD網站獲得，為食品科學和醫藥研究提供新方向。 PubMed DOI

原始文章

站上相關主題文章列表