跳到正文
热点事件观察中

CIPER模型预测环肽编辑的渗透性变化

2 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Chen, Minrui 提出 CIPER（Context-Integrated Potential Edit Regression）模型，学习与实验测定匹配的环肽渗透性差异，并把每个预测分解为训练分子的精确贡献，用于环肽编辑排序和母体保留决策。 在 286 个母体池、4213 对实测母体-产物对的回溯重放中，该研究提出的编辑关系高斯过程在全部五个化学组分上均优于匹配的描述符高斯过程，组分加权平均增益为 0.588 log10 渗透性单位，高于同预算下 ExtraTrees 描述符排序的 0.537 和四次随机测量的 0.491。上述结果来自回溯性评测，并非前瞻实验验证。

AI 根据报道生成 · 1 天前更新

最新进展11月12日 16:42
CIPER：可解释渗透性预测指导环肽编辑

报道时间线

沿着报道，了解事件的不同侧面。

11月12日
  1. ChemRxiv Preprints精选
    CIPER：可解释渗透性预测指导环肽编辑

    作者提出CIPER（Context-Integrated Potential Edit Regression），学习与实验测定匹配的渗透性差异，并把每个预测分解为训练分子的精确贡献，用于环肽编辑排序与母体保留决策。

  2. ChemRxiv Preprints
    编辑关系高斯过程预测环肽渗透性变化

    研究提出编辑关系高斯过程，将局部修饰带来的残基关系变化编码进分子差异学习，用于预测环肽渗透性。在286个母体池、4213对实测母体-产物对的回溯重放中，关系输入在全部五个化学组分上均优于匹配的描述符高斯过程，组分加权平均增益为0.588 log10渗透性单位，高于同预算下ExtraTrees描述符排序的0.537和四次随机测量的0.491。

本事件热度走势

可比范围当前
8
可比范围峰值
1011月12日 18:00
近 24 小时变化
-20%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。