Buchumschlag

tcrLM: a lightweight protein language model for predicting T cell receptor and epitope binding specificity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Xing, Yu, Chenpeng, Tian, Shiye, Liu, Hui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Quantitative Methods Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pre-trained protein language model for codon optimization
von: Pathak, Shashank, et al.
Veröffentlicht: (2024)

Continued domain-specific pre-training of protein language models for pMHC-I binding prediction
von: Mares, Sergio E., et al.
Veröffentlicht: (2025)

epiGPTope: A machine learning-based epitope generator and classifier
von: Manrique, Natalia Flechas, et al.
Veröffentlicht: (2025)

Uncertainty quantification of receptor ligand binding sites prediction
von: Chen, Nanjie, et al.
Veröffentlicht: (2024)

PatchProt: Hydrophobic patch prediction using protein foundation models
von: Gogishvili, Dea, et al.
Veröffentlicht: (2024)

Learning immune receptor representations with protein language models
von: Dounas, Andreas, et al.
Veröffentlicht: (2024)

Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells
von: Zhang, Han, et al.
Veröffentlicht: (2026)

Protein binding affinity prediction under multiple substitutions applying eGNNs on Residue and Atomic graphs combined with Language model information: eGRAL
von: Fiorellini-Bernardis, Arturo, et al.
Veröffentlicht: (2024)

dyAb: Flow Matching for Flexible Antibody Design with AlphaFold-driven Pre-binding Antigen
von: Tan, Cheng, et al.
Veröffentlicht: (2025)

From thermodynamics to protein design: Diffusion models for biomolecule generation towards autonomous protein engineering
von: Li, Wen-ran, et al.
Veröffentlicht: (2025)

T cell receptor binding prediction: A machine learning revolution
von: Weber, Anna, et al.
Veröffentlicht: (2023)

LncRNA-disease association prediction method based on heterogeneous information completion and convolutional neural network
von: Xi, Wen-Yu, et al.
Veröffentlicht: (2024)

TSEML: A task-specific embedding-based method for few-shot classification of cancer molecular subtypes
von: Su, Ran, et al.
Veröffentlicht: (2024)

Dynamics-inspired Structure Hallucination for Protein-protein Interaction Modeling
von: Wu, Fang, et al.
Veröffentlicht: (2026)

Data-driven multi-agent modelling of calcium interactions in cell culture: PINN vs Regularized Least-squares
von: Poggi, Aurora, et al.
Veröffentlicht: (2025)

Point transformer for protein structural heterogeneity analysis using CryoEM
von: Chen, Muyuan, et al.
Veröffentlicht: (2026)

SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction
von: Chen, Shuizhou, et al.
Veröffentlicht: (2026)

Improved prediction of ligand-protein binding affinities by meta-modeling
von: Lee, Ho-Joon, et al.
Veröffentlicht: (2023)

Decoding Translation-Related Functional Sequences in 5'UTRs Using Interpretable Deep Learning Models
von: Lin, Yuxi, et al.
Veröffentlicht: (2025)

Recent advances in deep learning and language models for studying the microbiome
von: Yan, Binghao, et al.
Veröffentlicht: (2024)

Generative modeling of protein ensembles guided by crystallographic electron densities
von: Maddipatla, Sai Advaith, et al.
Veröffentlicht: (2024)

BMFM-RNA: whole-cell expression decoding improves transcriptomic foundation models
von: Danziger, Michael M., et al.
Veröffentlicht: (2025)

ESM-NBR: fast and accurate nucleic acid-binding residue prediction via protein language model feature representation and multi-task learning
von: Zeng, Wenwu, et al.
Veröffentlicht: (2023)

GraphSeqLM: A Unified Graph Language Framework for Omic Graph Learning
von: Zhang, Heming, et al.
Veröffentlicht: (2024)

Dual-attention ResNet outperforms transformers in HER2 prediction on DCE-MRI
von: Fridman, Naomi, et al.
Veröffentlicht: (2025)

AI prediction of cardiovascular events using opportunistic epicardial adipose tissue assessments from CT calcium score
von: Hu, Tao, et al.
Veröffentlicht: (2024)

A Comprehensive Review of Transformer-based language models for Protein Sequence Analysis and Design
von: Ghosh, Nimisha, et al.
Veröffentlicht: (2025)

Heterogeneous network drug-target interaction prediction model based on graph wavelet transform and multi-level contrastive learning
von: Dai, Wenfeng, et al.
Veröffentlicht: (2025)

Contextual Invertible World Models: A Neuro-Symbolic Agentic Framework for Colorectal Cancer Drug Response
von: Baker, Christopher, et al.
Veröffentlicht: (2026)

Test-time Adaptation for Foundation Medical Segmentation Model without Parametric Updates
von: Chen, Kecheng, et al.
Veröffentlicht: (2025)

Assay2Mol: large language model-based drug design using BioAssay context
von: Deng, Yifan, et al.
Veröffentlicht: (2025)

Self-evolving AI agents for protein discovery and directed evolution
von: Tan, Yang, et al.
Veröffentlicht: (2026)

CurateGPT: A flexible language-model assisted biocuration tool
von: Caufield, Harry, et al.
Veröffentlicht: (2024)

Evaluating PDE discovery methods for multiscale modeling of biological signals
von: Ducos, Andréa, et al.
Veröffentlicht: (2025)

Learning the Interaction Prior for Protein-Protein Interaction Prediction: A Model-Agnostic Approach
von: Gao, Ziqi, et al.
Veröffentlicht: (2026)

ModuLM: Enabling Modular and Multimodal Molecular Relational Learning with Large Language Models
von: Chen, Zhuo, et al.
Veröffentlicht: (2025)

Contextualizing biological perturbation experiments through language
von: Wu, Menghua, et al.
Veröffentlicht: (2025)

COVID-19: post infection implications in different age groups, mechanism, diagnosis, effective prevention, treatment, and recommendations
von: Raheem, Muhammad Akmal, et al.
Veröffentlicht: (2024)

LAMP-PRo: Label-aware Attention for Multi-label Prediction of DNA- and RNA-binding Proteins using Protein Language Models
von: Ghosh, Nimisha, et al.
Veröffentlicht: (2025)

Towards Less Biased Data-driven Scoring with Deep Learning-Based End-to-end Database Search in Tandem Mass Spectrometry
von: Yu, Yonghan, et al.
Veröffentlicht: (2024)