論文の概要: AMPBench-MT: A Homology-Controlled Benchmark for Antimicrobial Peptide Potency, Spectrum, and Safety Prediction
- arxiv url: http://arxiv.org/abs/2607.25518v1
- Date: Tue, 28 Jul 2026 10:01:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.791578
- Title: AMPBench-MT: A Homology-Controlled Benchmark for Antimicrobial Peptide Potency, Spectrum, and Safety Prediction
- Title（参考訳）: AMPBench-MT: 抗微生物ペプチド活性, スペクトル, 安全性予測のためのホモロジー制御ベンチマーク
- Abstract要約: AMPとペプチドのベンチマークは、AMP認識、種条件の有効性、スペクトル、安全に向いたプロキシエンドポイント、およびエンドポイント間の振る舞いを共同で配置しない。
AMPBench-MTは標準ペプチド記録を標準化し、それらを二項認識、種条件のpMIC回帰、エンドポイント固有の有効性と安全に配慮した読み出しに整理する。
- 参考スコア（独自算出の注目度）: 3.534208235875249
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computational AMP discovery is often evaluated through AMP/non-AMP recognition, yet follow-up decisions depend on assay-derived evidence such as target-species potency, hemolysis, toxicity, and selectivity. Existing AMP and peptide benchmarks cover binary recognition, multilabel annotation, assay regression, or broader peptide-model comparison, but they do not jointly place AMP recognition, species-conditioned potency, spectrum, safety-facing proxy endpoints, and cross-endpoint behavior within one sequence-homology-controlled protocol. To address this problem, we introduce AMPBench-MT, a provenance-preserving benchmark that standardizes canonical peptide records and organizes them into binary recognition, species-conditioned pMIC regression, and endpoint-specific potency and safety-facing readouts. Across 161 endpoint-specific model evaluations, high binary performance does not reliably indicate assay-endpoint behavior. Frozen protein-language-model embeddings form the leading pMIC error cluster, while graph and classical regressors remain close. Spectrum labels further reveal that PR-oriented metrics can be misleading under scarce observed negatives, whereas low-toxicity, HC50 hemolysis, and selectivity expose smaller but more assay-facing signals. AMPBench-MT shows that AMP evaluation should move beyond recognition leaderboards toward endpoint-aware evidence auditing. Our proposed benchmark is available at https://huggingface.co/datasets/ZihengZhou06/AMPBench-MT.
- Abstract（参考訳）: 計算的なAMP発見は、AMP/非AMP認識によってしばしば評価されるが、後続の判断は、標的種、溶血、毒性、選択性などのアッセイ由来の証拠に依存する。
既存のAMPおよびペプチドベンチマークは、二項認識、マルチラベルアノテーション、アッセイレグレッション、またはより広範なペプチドモデルの比較をカバーしているが、AMP認識、種族条件の有効性、スペクトル、安全に向いたプロキシエンドポイント、およびクロスエンドポイントの挙動を1つのシーケンスホモロジー制御プロトコル内に共同に配置しない。
AMPBench-MTは、標準ペプチドレコードを標準化し、それらを二項認識、種別条件のpMIC回帰、エンドポイント固有の効用性および安全性に配慮した読み出しに整理する、プロファイナンス保存ベンチマークである。
161以上のエンドポイント固有のモデル評価では、高いバイナリ性能は、測定・エンドポイントの振る舞いを確実に示さない。
凍結したタンパク質-言語-モデル埋め込みは、主要なpMICエラークラスタを形成し、グラフと古典的な回帰器は近いままである。
スペクトルラベルはさらに、PR指向のメトリクスは観測された陰性さで誤解を招く可能性があるが、低毒性、HC50溶血症、選択性はより小さいが測定対象のシグナルを露呈する。
AMPBench-MTは、AMP評価が認識リーダーボードを超えてエンドポイント対応のエビデンス監査に移行することを示している。
提案したベンチマークはhttps://huggingface.co/datasets/ZihengZhou06/AMPBench-MTで公開されている。
関連論文リスト
- Prompt Embedding Probes (PEP): Hallucination Detection in LLMs from Hidden States [4.37919186746582]
大型言語モデル (LLM) は、流動的で有用な応答を生成できるが、幻覚に苦しむ傾向にある。
凍結LDMの隠れ状態から応答レベルの幻覚を検出するためのホワイトボックス法であるPrompt Embedding Probes (PEP)を紹介した。
PEPは、主分布設定における標準線形プローブによる隠れ状態に基づく検出を改善する。
論文 参考訳（メタデータ） (2026-08-08T09:14:47Z) - Decoupled PFNs: Identifiable Epistemic-Aleatoric Decomposition via Structured Synthetic Priors [25.166488691037078]
Pre-Fitted Networks (PFNs) は、合成タスクに対するメタラーニングによるベイズ予測を補正するが、その標準出力はノイズの観測よりも後続の予測分布である。
以上の結果から, このてんかんの分離は, 一般的には後部予測分布だけでは識別できないことが明らかとなった。
我々はこれらのラベルを用いて、非結合のPFNを、別個の潜在信号頭とアレータリックヘッドで訓練する。
論文 参考訳（メタデータ） (2026-05-07T15:22:35Z) - PepSpecBench: A Unified Evaluation Benchmark for Peptide Tandem Mass Spectrometry Prediction [17.33669468355787]
PepSpecBenchはペプチドMS/MSスペクトル予測のための統一ベンチマークである。
補完的な公開データセット間でのデータ前処理を標準化する。
また、シークエンスリークをなくすための厳格なバックボーン結合分割戦略も実施している。
論文 参考訳（メタデータ） (2026-05-03T16:11:27Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - SGAC: A Graph Neural Network Framework for Imbalanced and Structure-Aware AMP Classification [7.044114650607729]
メダゲノミクスシークエンシングデータから抽出された多数のペプチドから抗微生物ペプチド(AMP)を分類することは、抗生物質耐性の問題に対処するための重要なアプローチである。
現在のAMP分類法は、主に配列に基づくデータに依存し、ペプチドの空間構造を無視し、AMPの正確な分類を制限している。
論文 参考訳（メタデータ） (2024-12-20T17:17:57Z) - NovoBench: Benchmarking Deep Learning-based De Novo Peptide Sequencing Methods in Proteomics [58.03989832372747]
Emphde novoペプチドシークエンシングのための初となるNovoBenchベンチマークを報告する。
多様な質量スペクトルデータ、統合モデル、総合的な評価指標から構成される。
DeepNovo、PointNovo、Casanovo、InstaNovo、AdaNovo、$pi$-HelixNovoといった最近の手法が私たちのフレームワークに統合されています。
論文 参考訳（メタデータ） (2024-06-16T08:23:21Z) - REAL Sampling: Boosting Factuality and Diversity of Open-Ended Generation via Asymptotic Entropy [93.8400683020273]
大規模言語モデル(LLM)の復号法は通常、事実性の確保と多様性の維持のトレードオフに苦慮する。
核サンプリングにおける事実性および多様性を向上させる復号法であるREALサンプリングを提案する。
論文 参考訳（メタデータ） (2024-06-11T21:44:49Z) - AMPCliff: quantitative definition and benchmarking of activity cliffs in antimicrobial peptides [4.826446796830595]
本研究は、カノニカルアミノ酸からなる抗微生物ペプチド(AMP)の交流現象に対する定量的な定義およびベンチマークフレームワークAMPCliffを紹介する。
AMPCliffは、MICによってAMPの活性を定量化し、0.9を、少なくとも2倍のMIC変化を持つ一対の配列ペプチド間の正常化BLOSUM62類似度スコアの最小しきい値として定義する。
解析の結果,これらのモデルがAMP ACイベントを検出できることが明らかとなり,事前学習されたタンパク質言語モデルESM2が評価において優れた性能を示した。
論文 参考訳（メタデータ） (2024-04-15T12:40:12Z) - Hierarchical Semi-Supervised Contrastive Learning for
Contamination-Resistant Anomaly Detection [81.07346419422605]
異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。
コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。
汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-24T18:49:26Z) - Proximal Reinforcement Learning: Efficient Off-Policy Evaluation in
Partially Observed Markov Decision Processes [65.91730154730905]
医療や教育などの観察データへのオフライン強化学習の適用においては、観察された行動は観測されていない要因に影響される可能性があるという一般的な懸念がある。
ここでは、部分的に観察されたマルコフ決定過程(POMDP)における非政治評価を考慮し、この問題に取り組む。
我々は、近位因果推論の枠組みをPOMDP設定に拡張し、識別が可能となる様々な設定を提供する。
論文 参考訳（メタデータ） (2021-10-28T17:46:14Z) - Targeted stochastic gradient Markov chain Monte Carlo for hidden Markov models with rare latent states [48.705095800341944]
隠れマルコフモデルのためのマルコフ連鎖モンテカルロ (MCMC) アルゴリズムは、しばしば前向きのサンプリング器に依存する。
これにより、時系列の長さが増加するにつれて計算が遅くなり、サブサンプリングベースのアプローチの開発が動機となる。
本稿では,パラメータの勾配を計算する際に,希少な潜伏状態に対応するオーバーサンプリング観測を対象とするサブサンプリング手法を提案する。
論文 参考訳（メタデータ） (2018-10-31T17:44:20Z)
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。