Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2507.13077

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:2507.13077 (q-bio)
[提交于 2025年7月16日 ]

标题: 蛋白质语言模型的持续领域特定预训练用于pMHC-I结合预测

标题: Continued domain-specific pre-training of protein language models for pMHC-I binding prediction

Authors:Sergio E. Mares, Ariel Espinoza Weinberger, Nilah M. Ioannidis
摘要: 由于极端的等位基因多样性($\sim$30,000 HLA等位基因)、大多数等位基因的数据稀缺性以及噪声实验测量,预测肽-主要组织相容性复合体I类(pMHC-I)结合亲和力仍然具有挑战性。 当前方法在处理代表性不足的等位基因和定量结合预测方面尤其困难。 我们测试了蛋白质语言模型的领域特定持续预训练是否有助于其在pMHC-I结合亲和力预测中的应用。 从ESM Cambrian(300M参数)开始,我们在与HLA相关的肽(表位)上进行基于掩码语言建模(MLM)的持续预训练,测试两种输入格式:仅表位序列与表位序列与HLA重链序列拼接。 然后,我们仅使用高质量的定量数据对功能IC$_{50}$结合亲和力预测进行微调,避免现有方法继承的质量谱分析偏差。
摘要: Predicting peptide--major histocompatibility complex I (pMHC-I) binding affinity remains challenging due to extreme allelic diversity ($\sim$30,000 HLA alleles), severe data scarcity for most alleles, and noisy experimental measurements. Current methods particularly struggle with underrepresented alleles and quantitative binding prediction. We test whether domain-specific continued pre-training of protein language models is beneficial for their application to pMHC-I binding affinity prediction. Starting from ESM Cambrian (300M parameters), we perform masked-language modeling (MLM)-based continued pre-training on HLA-associated peptides (epitopes), testing two input formats: epitope sequences alone versus epitopes concatenated with HLA heavy chain sequences. We then fine-tune for functional IC$_{50}$ binding affinity prediction using only high-quality quantitative data, avoiding mass spectrometry biases that are inherited by existing methods.
评论: 被第20届机器学习在计算生物学(MLCB)会议收录 《机器学习研究会议论文集》
主题: 定量方法 (q-bio.QM)
引用方式: arXiv:2507.13077 [q-bio.QM]
  (或者 arXiv:2507.13077v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.13077
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Sergio Mares [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 00:29:22 UTC (337 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号