机构名称：
¥ 1.0
摘要：抗菌肽（AMP）是新抗生素的有前途的候选者，因为它们针对病原体的广谱活性和对耐药性发展的敏感性降低。深度学习技术，例如深层生成模型，为加快AMP的发现和优化提供了有希望的途径。一个了不起的例子是反馈生成式讽刺网络（FBGAN），这是一个深层生成模型，在训练阶段结合了分类器。我们的研究旨在探索增强分类器对FBGAN生成能力的影响。为此，我们介绍了两个替代分类器的FBGAN框架，都超过了原始分类器的准确性。第一个分类器利用K -MERS技术，而第二个分类器则从大蛋白质语言模型进化量表模型2（ESM2）中应用转移学习。与原始FBGAN相比，将这些分类器整合到FBGAN中，不仅会产生显着的性能增强能力，而且还可以使所提出的生成模型能够实现与Ampgan和Hydramp等既定方法相当甚至优越的性能。这一成就强调了在FBGAN框架内利用高级分类器的有效性，增强了其对从头设计的计算鲁棒性，并与现有文献相当。
de从反馈生成对抗网络
主要关键词
相关文件推荐
