BIB｜基于深度语言模型和提示工程的药物代谢产物的预测

本文介绍了华东理工大学唐赟教授团队在Briefings in Bioinformatics上发表的研究，提出了一种名为MetaPredictor的基于深度语言模型和提示工程的药物代谢产物预测方法。该研究通过结合迁移学习和基于提示的文本预测策略，解决了现有计算方法在药物代谢预测中的泛化能力不足和假阳性率过高的问题。MetaPredictor模型通过自动识别代谢位点（SoMs）和基于提示的代谢物预测，显著提高了预测的准确性和召回率。研究结果表明，与基线模型相比，MetaPredictor的召回率提高了30.4%，假阳性减少了16.8%。此外，该模型还展示了良好的泛化能力，能够预测由不太常见的酶催化的代谢物。总体而言，MetaPredictor为药物代谢预测提供了一种更全面和准确的解决方案。