04 / 2026 / 已发表
SENET-AOP：基于蛋白质语言模型的抗氧化蛋白智能预测
基于 ESM-2、ProtT5 与 SENet 的抗氧化蛋白预测框架，配套 Web Server，用于药物发现中的候选靶点优先级判断。
交互展示 LIVE MEDIA
网站可在框内操作，也可新窗口打开。
系统结构图暂不可用
问题
如何结合蛋白质语言模型表征与深度学习结构，提高抗氧化蛋白识别和候选靶点筛选的效率？
角色
第三作者；个人贡献包括 Methodology、Software、Validation、Visualization，即方法/算法实现、软件与 Web Server 开发、实验验证和结果可视化。
方法
融合 ESM-2 与 ProtT5 的蛋白质序列表征，采用双分支 CNN-SENet 结构进行抗氧化蛋白分类与目标优先级分析。
结果
论文发表于 European Journal of Medicinal Chemistry 314 (2026): 118945，DOI：10.1016/j.ejmech.2026.118945。材料记录为 SCI、中科院药物化学1区、IF 6.7。
项目简介
SENET-AOP 是面向抗氧化蛋白靶点优先级判断的计算框架，结合 ESM-2、ProtT5 与 SENet，对蛋白质序列特征进行建模，为药物发现中的候选靶点筛选提供辅助依据。
研究内容
- 使用蛋白质语言模型提取序列表示，保留长序列中的语义与结构信息。
- 引入 SENet 注意力机制，对通道特征进行自适应重标定。
- 通过统一的预测框架输出候选抗氧化蛋白的优先级结果。
- 配套 Web Server，便于提交序列、查看预测结果和进行候选比较。
研究成果
论文题目为《SENET-AOP: A computational framework model for prioritizing antioxidant protein targets in drug discovery》，发表于 European Journal of Medicinal Chemistry，314 (2026): 118945；本人为第三作者。
在线演示
项目页面保留在线演示入口。由于目标站点禁止被嵌入，页面会提供明确的预览兜底和新窗口打开入口。