論文の概要: AVP-Pro: An Adaptive Multi-Modal Fusion and Contrastive Learning Approach for Comprehensive Two-Stage Antiviral Peptide Identification

• arxiv url: http://arxiv.org/abs/2601.11028v1
• Date: Fri, 16 Jan 2026 06:48:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.379394
• Title: AVP-Pro: An Adaptive Multi-Modal Fusion and Contrastive Learning Approach for Comprehensive Two-Stage Antiviral Peptide Identification
• Title（参考訳）: AVP-Pro: 包括的二段階抗ウイルスペプチド同定のための適応型多モード融合とコントラスト学習アプローチ
• Authors: Xinru Wen, Weizhong Lin, zi liu, Xuan Xiao,
• Abstract要約: AVP-Proは、適応的な特徴融合と対照的な学習を統合する、新しい2段階の予測フレームワークである。 一般的なAVP識別の第1段階では、このモデルは精度0.9531、MCC0.9064を達成し、既存の最先端手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 2.4024110343564145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The accurate identification of antiviral peptides (AVPs) is crucial for novel drug development. However, existing methods still have limitations in capturing complex sequence dependencies and distinguishing confusing samples with high similarity. To address these challenges, we propose AVP-Pro, a novel two-stage predictive framework that integrates adaptive feature fusion and contrastive learning. To comprehensively capture the physicochemical properties and deep-seated patterns of peptide sequences, we constructed a panoramic feature space encompassing 10 distinct descriptors and designed a hierarchical fusion architecture. This architecture integrates self-attention and adaptive gating mechanisms to dynamically modulate the weights of local motifs extracted by CNNs and global dependencies captured by BiLSTMs based on sequence context. Targeting the blurred decision boundary caused by the high similarity between positive and negative sample sequences, we adopted an Online Hard Example Mining (OHEM)-driven contrastive learning strategy enhanced by BLOSUM62. This approach significantly sharpened the model's discriminative power. Model evaluation results show that in the first stage of general AVP identification, the model achieved an accuracy of 0.9531 and an MCC of 0.9064, outperforming existing state-of-the-art (SOTA) methods. In the second stage of functional subtype prediction, combined with a transfer learning strategy, the model realized accurate classification of 6 viral families and 8 specific viruses under small-sample conditions. AVP-Pro provides a powerful and interpretable new tool for the high-throughput screening of antiviral drugs. To further enhance accessibility for users, we have developed a user-friendly web interface, which is available at https://wwwy1031-avp-pro.hf.space.
• Abstract（参考訳）: 抗ウイルスペプチド(AVP)の正確な同定は新規医薬品開発に不可欠である。 しかし、既存の手法は、複雑なシーケンス依存を捕捉し、高い類似性を持つ混乱したサンプルを区別するのに制限がある。 これらの課題に対処するために,適応的特徴融合とコントラスト学習を統合した新しい2段階予測フレームワークであるAVP-Proを提案する。 ペプチド配列の物理化学的性質と深部配列パターンを包括的に把握するために,10個の異なる記述子を含むパノラマ特徴空間を構築し,階層的な融合構造を設計した。 このアーキテクチャは、CNNによって抽出された局所モチーフの重みを動的に調整し、シーケンスコンテキストに基づいてBiLSTMによってキャプチャされたグローバル依存関係を動的に調整するために、自己アテンションと適応ゲーティング機構を統合している。 正サンプル列と負サンプル列の類似度が高いことによるぼやけた決定境界を目標とし,BLOSUM62により強化されたオンラインハードサンプルマイニング(OHEM)によるコントラスト学習戦略を採用した。 このアプローチにより、モデルの識別力が大幅に向上した。 モデル評価の結果,一般AVP識別の第1段階では精度0.9531,MCC0.9064を達成し,既存のSOTA法よりも優れていた。 機能的サブタイプ予測の第2段階では、トランスファー学習戦略と組み合わせて、小さなサンプル条件下での6つのウイルスファミリーと8つの特定のウイルスの正確な分類を実現した。 AVP-Proは、抗ウイルス薬の高スループットスクリーニングのための強力で解釈可能な新しいツールを提供する。 ユーザへのアクセシビリティをさらに向上するため,ユーザフレンドリなWebインターフェースを開発し,https://wwwy1031-avp-pro.hf.space.comで公開している。

関連論文リスト

• VAMP-Net: An Interpretable Multi-Path Framework of Genomic Permutation-Invariant Set Attention and Quality-Aware 1D-CNN for MTB Drug Resistance [0.0]
  本稿では,解釈可能な可変型マルチパスネットワーク(VAMP-Net)を提案する。 Path-1は、ゲノム座間のエピスタティック相互作用を捉えるために、Set Attention Transformer Processing permutation-invariant variant setを使用する。 Path-2は1D Confabal Networkを使用し、Variant Call Formatの品質指標を分析して信頼性スコアを学習する。
  論文  参考訳（メタデータ） (2025-12-25T21:28:54Z)
• AVP-Fusion: Adaptive Multi-Modal Fusion and Contrastive Learning for Two-Stage Antiviral Peptide Identification [2.242125769416219]
  AVP-Fusionは、適応的な特徴融合と対照的な学習を統合した、新しい2段階のディープラーニングフレームワークである。 精度は 0.9531 であり、MCC は 0.9064 であり、最先端の手法を著しく上回っている。 移行学習を利用する第2段階では、このモデルは6つのウイルスファミリーと8つの特定のウイルスの正確なサブクラス予測を可能にする。
  論文  参考訳（メタデータ） (2025-12-25T07:29:39Z)
• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [49.11819337853632]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• Vision Transformer for Intracranial Hemorrhage Classification in CT Scans Using an Entropy-Aware Fuzzy Integral Strategy for Adaptive Scan-Level Decision Fusion [5.486205584465161]
  頭蓋内出血 (ICH) は、脳血管の破裂により頭蓋内出血を引き起こす重篤な疾患である。 脳CTスキャンにおける局所的および大域的空間依存性を捉えるために,その階層的注意機構を利用した高度なピラミッド・ビジョン・トランスフォーマー(PVT)モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-11T16:47:32Z)
• PIGNet2: A Versatile Deep Learning-based Protein-Ligand Interaction Prediction Model for Binding Affinity Scoring and Virtual Screening [0.0]
  タンパク質-リガンド相互作用の予測(PLI)は、薬物発見において重要な役割を果たす。 結合親和性を正確に評価し、効率的な仮想スクリーニングを行う汎用モデルの開発は依然として課題である。 本稿では、物理インフォームドグラフニューラルネットワークと組み合わせて、新しいデータ拡張戦略を導入することにより、実現可能なソリューションを提案する。
  論文  参考訳（メタデータ） (2023-07-03T14:46:49Z)
• Protein Design with Guided Discrete Diffusion [67.06148688398677]
  タンパク質設計における一般的なアプローチは、生成モデルと条件付きサンプリングのための識別モデルを組み合わせることである。 離散拡散モデルのためのガイダンス手法であるdiffusioN Optimized Smpling (NOS)を提案する。 NOSは、構造に基づく手法の重要な制限を回避し、シーケンス空間で直接設計を行うことができる。
  論文  参考訳（メタデータ） (2023-05-31T16:31:24Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。