新型抗菌肽数据集与深度学习工具面向毒性预测
- 毒性是抗菌肽转化为药物的主要障碍，而现有预测方法受困于数据分散和注释标准不一致。
- 作者提出了CHAMP（机器可读的抗菌肽集合）和AMPToxPred（用于预测肽毒性的深度学习模型）。
- 模型设计、数据规模与基准测试的细节无法从公开摘要中获知，本文仅涵盖已明确说明的内容。
💡 要点 基于摘要的观点
数据集的价值或许比模型更大。肽的毒性标签混杂了溶血、细胞毒性和体内指标，跨实验方法和细胞类型，统一它们本身就是实打实的工作。我想知道的是：序列相似的肽在训练集和测试集之间是怎么划分的，以及在我们自己的系列上它能否胜过简单基线。不清楚这些，一个漂亮的分数说明不了什么。
📄 原论文 · Digital Discovery (RSC) ↗ CHAMP and AMPToxPred: A Machine-Readable Dataset of Antimicrobial Peptides and Deep Learning-Based toxicity Prediction