Exploring Bitter and Sweet: The Application of Large Language Models in Molecular Taste Prediction.
探索苦與甜：大型語言模型在分子味覺預測中的應用。 J Chem Inf Model 2024-05-07

研究利用新科技預測分子的苦甜味，GPT-4表現準確。透過ChatGPT提取特徵，創造新化合物味道。經過多項測試證實，顯示語言模型在健康和化學領域有應用價值。 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

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

AI4ACEIP: A Computing Tool to Identify Food Peptides with High Inhibitory Activity for ACE by Merged Molecular Representation and Rich Intrinsic Sequence Information Based on an Ensemble Learning Strategy.
AI4ACEIP：一種計算工具，用於通過合併分子表徵和基於集成學習策略的豐富內在序列信息來識別對 ACE 具有高抑制活性的食物肽。 J Agric Food Chem 2024-11-04

高血壓是一種常見的慢性病，會增加心血管疾病的風險。血管緊張素轉換酶（ACE）在血壓調控中扮演重要角色，傳統藥物常有副作用，因此對能抑制 ACE 的食物來源肽（ACEIP）產生興趣。文章介紹了一個新模型 AI4ACEIP，利用兩層堆疊集成架構來識別 ACEIP，並透過 PowerShap 方法優化特徵選擇。研究顯示，AI4ACEIP 的預測表現優於七種現有方法，並可在 GitHub 上公開使用。 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

Leveraging large language models for peptide antibiotic design.
利用大型語言模型進行肽類抗生素設計。 Cell Rep Phys Sci 2025-02-14

大型語言模型（LLMs）在生物學和化學等複雜領域中影響深遠，特別是在分子設計和優化方面。本篇綜述專注於LLMs在抗生素發現與設計中的應用，特別是肽類分子。我們將探討LLMs在藥物設計的最新進展，以及在抗生素開發中應用這些模型所面臨的挑戰。 PubMed DOI

Discovery of antimicrobial peptides with notable antibacterial potency by an LLM-based foundation model.
基於 LLM 的基礎模型發現具有顯著抗菌效力的抗微生物肽。 Sci Adv 2025-03-05

AMP-Designer 是一種創新的方法，利用大型語言模型設計抗微生物肽 (AMPs)。在短短 11 天內，成功設計出 18 種對革蘭氏陰性菌有效的 AMP，體外測試成功率高達 94.4%。其中兩個候選者展現出強大的抗菌活性、低血毒性及在人體血漿中的穩定性，並在小鼠肺部感染研究中顯著減少細菌負荷。整個過程從設計到驗證僅需 48 天，特別適合針對特定細菌株，顯示出對抗抗生素抗藥性的潛力。 PubMed DOI

Leveraging protein language models for robust antimicrobial peptide detection.
利用蛋白質語言模型進行穩健的抗微生物肽檢測。 Methods 2025-03-06

抗微生物肽（AMPs）因其強大的抗微生物能力，正成為對抗抗生素抗藥性的新解決方案。傳統的AMP識別方法耗時且需大量人力，但隨著深度學習的進步，特別是蛋白質語言模型（PLMs），我們開發了PLAPD框架，利用預訓練的ESM2模型進行AMP分類。經過評估，PLAPD在準確率、精確率、特異性等指標上表現優異，顯示其作為高效AMP發現工具的潛力。 PubMed DOI

Learning the rules of peptide self-assembly through data mining with large language models.
透過大型語言模型的數據挖掘學習肽自組裝的規則。 Sci Adv 2025-03-26

這項研究聚焦於肽的自組裝，肽是形成多種結構的重要生物分子。雖然過去的研究探討了化學成分和外部條件對自組裝的影響，但缺乏全面的分析。為了解決這個問題，作者建立了一個肽組裝資料庫，結合專家整理和大型語言模型進行文獻挖掘，編輯了超過1000個實驗條目，詳細記錄肽的序列和條件。開發的機器學習模型達到超過80%的準確率，並微調了GPT模型以提升文獻挖掘的表現，進一步理解肽自組裝的機制。 PubMed DOI

PKAN: Leveraging Kolmogorov-Arnold Networks and Multi-modal Learning for Peptide Prediction with Advanced Language Models.
PKAN：結合 Kolmogorov-Arnold 網路與多模態學習，搭配先進語言模型進行胜肽預測 IEEE J Biomed Health Inform 2025-04-17

這項研究提出了PKAN新架構，結合多模態表徵和語言模型概念，能更準確預測胜肽的活性與功能，表現優於現有方法。PKAN也有助於解析影響胜肽功能的關鍵特徵，推動生物學上胜肽語言模型的發展。 PubMed DOI

原始文章

站上相關主題文章列表