Buchumschlag

Integrating protein sequence embeddings with structure via graph-based deep learning for single-residue property prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Michalewicz, Kevin, Barahona, Mauricio, Bravi, Barbara
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantitative Methods
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Machine learning approaches for interpretable antibody property prediction using structural data
von: Michalewicz, Kevin, et al.
Veröffentlicht: (2025)

ANTIPASTI: interpretable prediction of antibody binding affinity exploiting Normal Modes and Deep Learning
von: Michalewicz, Kevin, et al.
Veröffentlicht: (2024)

Protein generation with embedding learning for motif diversification
von: Michalewicz, Kevin, et al.
Veröffentlicht: (2025)

Fast uncovering of protein sequence diversity from structure
von: Silva, Luca Alessandro, et al.
Veröffentlicht: (2024)

Geometric deep learning assists protein engineering. Opportunities and Challenges
von: García-Vinuesa, Julián, et al.
Veröffentlicht: (2025)

Explainable deep learning framework for cancer therapeutic target prioritization leveraging PPI centrality and node embeddings
von: Alkhadrawi, Adham 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)

Exploring zero-shot structure-based protein fitness prediction
von: Sharma, Arnav, et al.
Veröffentlicht: (2025)

Accurate RNA 3D structure prediction using a language model-based deep learning approach
von: Shen, Tao, et al.
Veröffentlicht: (2022)

SERS discrimination of single amino acid residue in single peptide by plasmonic nanocavities
von: Huang, Jian-An, et al.
Veröffentlicht: (2019)

bio2Byte Tools deployment as a Python package and Galaxy tool to predict protein biophysical properties
von: Gavalda-Garcia, Jose, et al.
Veröffentlicht: (2024)

Efficient design of rna sequences with desired properties, structure, and motifs using a grammar variational autoencoder
von: Zarnaghinaghsh, Narges, et al.
Veröffentlicht: (2025)

SpanSeq: Similarity-based sequence data splitting method for improved development and assessment of deep learning projects
von: Florensa, Alfred Ferrer, et al.
Veröffentlicht: (2024)

Using protein blocks to build custom fragment libraries from protein structures
von: Dhingra, Surbhi, et al.
Veröffentlicht: (2020)

All the single cells: single-cell transcriptomics/epigenomics experimental design and analysis considerations for glial biologists
von: Prater, Katherine E., et al.
Veröffentlicht: (2024)

Impact of phylogeny on structural contact inference from protein sequence data
von: Dietler, Nicola, et al.
Veröffentlicht: (2022)

Exploring the limits of pre-trained embeddings in machine-guided protein design: a case study on predicting AAV vector viability
von: Rodrigues, Ana F., et al.
Veröffentlicht: (2026)

Hierarchical protein backbone generation with latent and structure diffusion
von: Yim, Jason, et al.
Veröffentlicht: (2025)

PoET: A generative model of protein families as sequences-of-sequences
von: Truong Jr, Timothy F., et al.
Veröffentlicht: (2023)

Edge-aware GAT-based protein binding site prediction
von: Yang, Weisen, et al.
Veröffentlicht: (2026)

Direct RNA sequence design under codon constraints using expressive tensor-based secondary structure models
von: Fornace, Mark, et al.
Veröffentlicht: (2026)

PTransIPs: Identification of phosphorylation sites enhanced by protein PLM embeddings
von: Xu, Ziyang, et al.
Veröffentlicht: (2023)

Bayesian ensemble learning for predicting health outcomes of multipollutant mixtures
von: Ning, Yu-Chien, et al.
Veröffentlicht: (2025)

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

Analyzing animal movement using deep learning
von: Fronville, Thibault, et al.
Veröffentlicht: (2026)

bioSBM: a random graph model to integrate epigenomic data in chromatin structure prediction
von: Zhang, Alex Chen Yi, et al.
Veröffentlicht: (2024)

Beware of so-called 'good' correlations: a statistical reality check on individual mRNA-protein predictions
von: Gosselin, Romain-Daniel
Veröffentlicht: (2025)

ProtBoost: protein function prediction with Py-Boost and Graph Neural Networks -- CAFA5 top2 solution
von: Chervov, Alexander, et al.
Veröffentlicht: (2024)

A single-snapshot inverse solver for two-species graph model of tau pathology spreading in human Alzheimer disease
von: Wen, Zheyu, et al.
Veröffentlicht: (2024)

stEnTrans: Transformer-based deep learning for spatial transcriptomics enhancement
von: Xue, Shuailin, et al.
Veröffentlicht: (2024)

De novo peptide sequencing rescoring and FDR estimation with Winnow
von: Mabona, Amandla, et al.
Veröffentlicht: (2025)

Benchmarking AlphaFold3's protein-protein complex accuracy and machine learning prediction reliability for binding free energy changes upon mutation
von: Wee, JunJie, et al.
Veröffentlicht: (2024)

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

A graph-based approach for modification site assignment in proteomics
von: Skiadopoulou, Dafni, et al.
Veröffentlicht: (2025)

Zepyros: A webserver to evaluate the shape complementarity of protein-protein interfaces
von: Miotto, Mattia, et al.
Veröffentlicht: (2024)

Multitask finetuning and acceleration of chemical pretrained models for small molecule drug property prediction
von: Adrian, Matthew, et al.
Veröffentlicht: (2025)

Canonicalization of the E value from BLAST similarity search -- dissimilarity measure and distance function for a metric space of protein sequences
von: Mao, Boryeu
Veröffentlicht: (2025)

Implementation of an AI-based MRD evaluation and prediction model for multiple myeloma
von: Chen, Jianfeng, et al.
Veröffentlicht: (2024)

Assessing the properties of the prediction interval in random-effects meta-analysis
von: Matrai, Peter, et al.
Veröffentlicht: (2024)

Deep learning-guided evolutionary optimization for protein design
von: Hartman, Erik, et al.
Veröffentlicht: (2026)