BitterTranslate: A Natural Language Processing and Machine Learning-based Framework for Mapping Bitter Taste Receptor Agonism
Notice bibliographique
Résumé
Bitter taste receptors (TAS2Rs) are G protein-coupled receptors (GPCRs) expressed on the tongue and by many extraoral tissues. Identifying TAS2R ligands is an area of interest for improving bitter-drug compliance, treating various illnesses, and studying the receptors’ extraoral functions. Although machine learning, emerging as a promising tool for drug discovery, can in theory be used for predicting TAS2R activators, obtaining high-quality features from which the machine learning model can learn is time-intensive and reliant on specialized software. This work explores the potential of transformers (a neural network architecture that has revolutionized natural language processing-based tasks and is a powerful tool for extracting features from sequential biomolecular and chemical data) in computer-aided drug design, specifically for predicting potential ligands for TAS2R activation. We developed BitterTranslate, a screening algorithm to predict TAS2R agonists based solely on a Simplified Molecular-Input Line-Entry System (SMILES) string of the ligand and the amino acid sequence of the TAS2R. Bidirectional Encoder Representations from Transformers (BERT) models trained on small molecules and GPCRs were used to extract ligand and receptor features. An XGBoost classifier was pre-trained on a large GPCR–ligand dataset and fine-tuned on the smaller TAS2R–ligand dataset. The algorithm predicts ligand associations with an 80% precision and 65% recall across all TAS2Rs and an 83% precision and 88% recall for the top receptor, TAS2R14. Since BitterTranslate performs reasonably well for TAS2Rs for which the data is scarce, it can be expected to perform even better for other more populated families of GPCRs with more ligand information available.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».