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 > cs > arXiv:2507.14245

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.14245 (cs)
[提交于 2025年7月18日 ]

标题: 百万规模的数据集和可泛化的基础模型用于纳米材料-蛋白质相互作用

标题: A million-scale dataset and generalizable foundation model for nanomaterial-protein interactions

Authors:Hengjie Yu, Kenneth A. Dawson, Haiyun Yang, Shuya Liu, Yan Yan, Yaochu Jin
摘要: 解锁纳米材料在医学和环境科学中的潜力取决于理解它们与蛋白质的相互作用,这是一个复杂的决策空间,人工智能有望带来变革性的影响。 然而,进展受到了有限数据集和现有模型泛化能力受限的阻碍。 在此,我们提出了NanoPro-3M,迄今为止最大的纳米材料-蛋白质相互作用数据集,包含超过320万个样本和37,000种独特的蛋白质。 利用这一数据集,我们提出了NanoProFormer,一种通过多模态表示学习预测纳米材料-蛋白质亲和力的基础模型,表现出强大的泛化能力,能够处理缺失特征以及未见过的纳米材料或蛋白质。 我们证明了多模态建模显著优于单模态方法,并确定了冠层形成的决定因素。 此外,我们通过零样本推理和微调展示了其在一系列下游任务中的适用性。 总之,这项工作为高性能和通用的纳米材料-蛋白质相互作用终点预测奠定了坚实的基础,减少了实验依赖性,并加速了各种体外应用。
摘要: Unlocking the potential of nanomaterials in medicine and environmental science hinges on understanding their interactions with proteins, a complex decision space where AI is poised to make a transformative impact. However, progress has been hindered by limited datasets and the restricted generalizability of existing models. Here, we propose NanoPro-3M, the largest nanomaterial-protein interaction dataset to date, comprising over 3.2 million samples and 37,000 unique proteins. Leveraging this, we present NanoProFormer, a foundational model that predicts nanomaterial-protein affinities through multimodal representation learning, demonstrating strong generalization, handling missing features, and unseen nanomaterials or proteins. We show that multimodal modeling significantly outperforms single-modality approaches and identifies key determinants of corona formation. Furthermore, we demonstrate its applicability to a range of downstream tasks through zero-shot inference and fine-tuning. Together, this work establishes a solid foundation for high-performance and generalized prediction of nanomaterial-protein interaction endpoints, reducing experimental reliance and accelerating various in vitro applications.
评论: 31页,6图
主题: 机器学习 (cs.LG) ; 材料科学 (cond-mat.mtrl-sci); 人工智能 (cs.AI); 计算工程、金融与科学 (cs.CE); 生物大分子 (q-bio.BM)
ACM 类: I.6.5; J.3; I.5.4
引用方式: arXiv:2507.14245 [cs.LG]
  (或者 arXiv:2507.14245v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.14245
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Hengjie Yu [查看电子邮件]
[v1] 星期五, 2025 年 7 月 18 日 00:00:52 UTC (1,817 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cond-mat
cond-mat.mtrl-sci
cs
cs.AI
cs.CE
q-bio
q-bio.BM

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