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 most notably on the tongue, but also in many extraoral tissues. TAS2R ligands are used for improving bitter-drug compliance, treating various illnesses, and studying the receptors' extraoral functions. Although machine learning, a promising drug discovery tool, can be used to predict TAS2R activators, obtaining high-quality features for training is time-intensive and reliant on specialized software. This work explores the potential of transformers (a neural network architecture for extracting features from sequential text strings that has revolutionized natural language processing-based tasks) for predicting these ligands. Hence, BitterTranslate, a TAS2R-agonist prediction algorithm, needs only the Simplified Molecular-Input Line-Entry System (SMILES) string of the ligand and the amino acid sequence of the TAS2R. The algorithm was built using two Bidirectional Encoder Representations from Transformers (BERT) models: one trained on small molecules to extract ligand features and the other trained on GPCRs to extract receptor features. An XGBoost classifier was pretrained on a large GPCR-ligand data set and fine-tuned on the smaller TAS2R-ligand data set. BitterTranslate predicts ligand associations with 80% precision and 65% recall across all TAS2Rs and 83% precision and 88% recall for the receptor with the most data: TAS2R14.
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) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».