license: mit widget:

• text: 'C T R P N N N T R K S I R I Q R G P G R A F V T I G K I G N M R Q A H C'
• text: 'C T R P N N N T R K S I H I G P G R A F Y T T G Q I I G D I R Q A Y C'
• text: 'C T R P N N N T R R S I R I G P G Q A F Y A T G D I I G D I R Q A H C'
• text: 'C G R P N N H R I K G L R I G P G R A F F A M G A I G G G E I R Q A H C'

HIV_V3_辅助受体预测模型

目录

• 概述
• 模型描述
• 使用场景与限制
• 使用方法
• 训练数据
• 训练流程
  • 数据预处理
  • 训练过程
• 评估结果
• BibTeX引用信息

概述

HIV-BERT-辅助受体模型是在HIV-BERT模型基础上优化的版本，专门用于更精准地预测HIV病毒V3环的辅助受体趋向性。该模型源自ProtBert-BFD蛋白质语言模型，经过针对HIV任务的专项优化后，又采用洛斯阿拉莫斯HIV序列数据库中的V3环序列进行训练，其预测精度较原HIV-BERT模型有显著提升。

模型描述

本模型用于根据HIV包膜蛋白片段预测其辅助受体趋向性。HIV病毒通过包膜蛋白与宿主细胞CD4受体结合后，需要借助CCR5或CXCR4其中一种辅助受体完成侵染。包膜蛋白第三可变环（V3环）决定了这种相互作用。给定V3环氨基酸序列，本模型可预测其与两类辅助受体的结合概率。

使用场景与限制

本工具适用于从Env-V3环序列预测HIV趋向性（R5型、X4型或双重趋向型），但不可作为临床诊断工具。

训练数据主要来自洛斯阿拉莫斯HIV数据库，该数据库以欧美地区的B亚型毒株为主（C/A/D亚型占比较低），目前未对不同亚型的预测性能进行平衡优化。针对非B亚型毒株预测时，建议使用额外数据进行模型微调。

使用方法

待补充

训练数据

采用damlab/HIV_V3_coreceptor数据集的第0折数据进行训练，包含从洛斯阿拉莫斯数据库提取的2935条V3环序列（每条约35个氨基酸标记）。

训练流程

数据预处理

参照rostlab/Prot-bert-bfd模型处理方法：将稀有氨基酸U/Z/O/B转换为X，氨基酸间插入空格。所有序列拼接后切分为256标记的片段，保留20%作为验证集。

训练过程

以damlab/HIV-BERT模型为基座，采用1E-5学习率、5万步热身、带重启的余弦学习率调度，当验证集损失连续3轮未改善时停止训练。由于是多标签分类任务（可结合CCR5/CXCR4/两者/皆不），采用按类别逆频率加权的二元交叉熵损失函数。

评估结果

待补充

BibTeX引用信息

[需补充详细信息]