항생제 내성에 대항하기 위한 유망한 분자로 항균 펩타이드가 부상하고 있지만, 단편적인 데이터세트, 일관성 없는 주석, 표준화된 벤치마크의 부재로 인해 계산적 접근 방식이 방해받고 새로운 후보 물질 발굴이 지연되고 있습니다. 이러한 문제를 해결하기 위해, 27개의 검증된 저장소에서 8만 개 이상의 펩타이드를 통합한 실험적 프레임워크인 ESCAPE (Expanded Standardized Collection for Antimicrobial Peptide Evaluation)를 제시합니다. ESCAPE는 항균 펩타이드를 음성 시퀀스와 분리하고, 항균, 항진균, 항바이러스, 항기생충 클래스에 걸쳐 활성을 포착하는 생물학적으로 일관된 다중 레이블 계층 구조에 기능적 주석을 통합합니다. ESCAPE를 기반으로, 펩타이드의 여러 기능적 활성을 예측하기 위해 시퀀스 및 구조 정보를 활용하는 변환기 기반 모델을 제안합니다. 이 방법은 이 작업에 맞게 조정된 두 번째로 좋은 방법보다 평균 정밀도(Average Precision)에서 최대 2.56%의 상대적 평균 개선을 달성하여 최첨단 다중 레이블 펩타이드 분류를 확립합니다. ESCAPE는 AI 기반 항균 펩타이드 연구를 발전시키기 위한 포괄적이고 재현 가능한 평가 프레임워크를 제공합니다.
