DREAM-B3P：反馈扩散模型增强的双流Transformer网络用于血脑屏障穿透肽预测
定量方法
2025-12-15 v1
摘要
引言：血脑屏障（BBB）保护中枢神经系统，但阻止大多数神经治疗药物到达脑内有效浓度。BBB穿透肽（BBBPs）是脑药物递送的很有前景的策略；然而，正样本稀缺和严重的类别不平衡阻碍了BBBPs的可靠识别。目标：我们的目标是缓解BBBP预测中的类别不平衡，并开发一个准确、可解释的BBBP分类器。方法：我们提出DREAM-B3P，它将反馈扩散模型（FB-Diffusion）用于数据增强与双流Transformer用于分类相结合。FB-Diffusion通过迭代去噪学习BBBP分布，并利用外部分析器提供反馈，生成高质量的伪BBBP。分类器包含一个序列流，从肽序列中提取结构特征，以及一个物理化学流，捕获疏水表面积、分子电荷、可旋转键数量和极化率等物理化学特征。结合两种特征可带来更优的BBBP预测性能。结果：在一个BBBP与非BBBP数量相等的基准测试集上，DREAM-B3P超越了基线方法（Deep-B3P、B3Pred、BBPpredict和Augur），AUC/ACC/MCC分别比次优方法提升4.3%/17.8%/14.9%。结论：通过整合反馈扩散与双流Transformer分类器，DREAM-B3P有效缓解了数据稀缺和不平衡问题，并达到了最先进的性能。
引用
@article{arxiv.2512.11511,
title = {DREAM-B3P: Dual-Stream Transformer Network Enhanced by Feedback Diffusion Model for Blood-Brain Barrier Penetrating Peptide Prediction},
author = {Kaijie Wang and Le Yin and Aodi Tian and Zhiqiang Wei and Zai Yang and Min Han and Qichun Wei and Sheng Wang},
journal= {arXiv preprint arXiv:2512.11511},
year = {2025}
}