[Paper] 解耦对齐核用于肽膜通透性预测

Source: arXiv

摘要

环肽是针对细胞内靶点的有前景的模态；然而，细胞膜渗透性仍是一个关键瓶颈，且受限于公开数据稀缺以及对校准良好的不确定性需求。我们并未依赖数据需求量大的复杂深度学习架构，而是提出了一种单体感知的解耦全局对齐核（MD‑GAK），该核将化学上有意义的残基‑残基相似性与序列对齐相结合，同时将局部匹配与缺口惩罚解耦。MD‑GAK 是一个相对简单的核。为了进一步展示我们框架的鲁棒性，我们还引入了一个变体 PMD‑GAK，它加入了三角形位置先验。正如我们在实验部分所展示的，PMD‑GAK 在降低校准误差方面相较于 MD‑GAK 能提供额外的优势。由于我们的重点是不确定性估计，我们使用高斯过程作为预测模型，因为 MD‑GAK 和 PMD‑GAK 都可以直接在该框架中应用。我们通过大量实验验证了我们方法的有效性，将我们完全可复现的方法与最先进的模型进行比较，结果表明它在所有指标上均优于这些模型。