초록 신경펩타이드는 다양한 생리적 과정을 조절하고 신경퇴행성 및 신경정신 질환의 발병과 밀접하게 관련된 신경계에서 생성되는 필수 신호 분자입니다. 신경펩타이드에 대한 조사는 이들의 조절 메커니즘을 더 잘 이해하는 데 기여하고 관련 질환에 대한 치료 전략에 대한 새로운 통찰력을 제공합니다. 따라서 신경펩타이드를 정확하게 식별하는 것은 생물 의학 연구 및 약물 개발을 발전시키는 데 중요합니다. 실험적 검증의 높은 비용으로 인해 신경펩타이드를 신속하게 식별하기 위해 다양한 인공지능 방법이 개발되었습니다. 그러나 기존 접근법은 종종 높은 계산 자원 소모, 느린 처리 속도 및 낮은 배치 가능성으로 어려움을 겪습니다. 또한, 실제 응용을 위한 사용자 친화적인 웹 서버가 여전히 부족합니다. 이를 위해 우리는 다단계 지식 증류 프레임워크 기반의 신경펩타이드 예측 모델인 MSKDNP를 제안합니다. MSKDNP는 전체적으로 미세 조정된 단백질 언어 모델과 유사한 성능을 달성하면서 1.2%의 매개변수만 사용합니다. 더욱이, MSKDNP는 생물학적 이해를 촉진하는 유리한 해석 가능성을 제공합니다. 무료로 접근 가능한 웹 서버는 https://awi.cuhk.edu.cn/∼biosequence/MSKDNP/index.php 에서 이용할 수 있습니다.
Xie et al. (Sun,) 이 질문을 연구했습니다.