EUVIMEDEUVIMED entdecken
Open Access · CC BY 3.0

Can large language models predict antimicrobial peptide activity and toxicity?

Markus Orsi iD, Jean-Louis Reymond iD

RSC Medicinal Chemistry · 2024 · 15 (6) · 2030-2036

DOI: 10.1039/d4md00159a ↗

Kurz gefasst

Fachartikel in der Zeitschrift RSC Medicinal Chemistry, 2024. Verfasst von Markus Orsi und 1 weiteren Autor:innen. Beteiligte Einrichtung: Department of Chemistry, Biochemistry and Pharmaceutical Sciences, University of Bern Freiestrasse 3 3012 Bern Switzerland jean-louis.reymond@unibe.c…. Die Arbeit wurde bisher 16-mal zitiert (Crossref) und nennt 42 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 3.0). Gefördert von: Schweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung, H2020 European Research Council.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

The large language models GPT-3 and GTP-3.5 were challenged to predict the activity and hemolysis of antimicrobial peptides from their sequence and compared to recurrent neural networks and support vector machines.

Autor:innen und Institutionen

  • Department of Chemistry, Biochemistry and Pharmaceutical Sciences, University of Bern Freiestrasse 3 3012 Bern Switzerland jean-louis.reymond@unibe.ch.

ORCID-Profile: Markus Orsi, Jean-Louis Reymond

Förderung

  • Schweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
  • H2020 European Research Council

Zitieren

APA

Orsi, M., & Reymond, J. L. (2024). Can large language models predict antimicrobial peptide activity and toxicity?. RSC Medicinal Chemistry, 15(6), 2030-2036. https://doi.org/10.1039/d4md00159a

Vancouver

Orsi M, Reymond JL. Can large language models predict antimicrobial peptide activity and toxicity?. RSC Medicinal Chemistry. 2024;15(6):2030-2036. doi:10.1039/d4md00159a

BibTeX
@article{Orsi2024,
  author = {Orsi, Markus and Reymond, Jean-Louis},
  title = {Can large language models predict antimicrobial peptide activity and toxicity?},
  journal = {RSC Medicinal Chemistry},
  year = {2024},
  volume = {15},
  number = {6},
  pages = {2030--2036},
  doi = {10.1039/d4md00159a}
}
Kostenlos starten →