PDeepPP est un framework d'apprentissage profond intégré qui permet une identification robuste des peptides bioactifs (BP) et des modifications post-traductionnelles (MPT) des protéines pour un large éventail de caractéristiques peptidiques. Il intègre un modèle de langage protéique pré-entraîné et une architecture hybride transformateur-convolution pour permettre une identification robuste pour un large éventail de classes de peptides et de sites MPT. Il extrait systématiquement les caractéristiques de séquences globales et locales en organisant un ensemble complet de données de référence et en mettant en œuvre des stratégies pour corriger le déséquilibre des données. Grâce à des analyses approfondies incluant la réduction de la dimensionnalité et des études comparatives, PDeepPP démontre des représentations peptidiques robustes et interprétables et atteint des performances de pointe pour 25 des 33 tâches d'identification biologique. Il atteint notamment une grande précision pour l'identification des antimicrobiens (0,9726) et des sites de phosphorylation (0,9984), et présente une spécificité de 99,5 % pour la prédiction des sites de glycosylation ainsi qu'une réduction significative des faux négatifs pour une tâche antipaludique. En permettant une analyse précise des peptides à grande échelle, PDeepPP soutient la recherche biomédicale et la découverte de nouvelles cibles thérapeutiques pour le traitement des maladies. L'ensemble du code, des jeux de données et des modèles pré-entraînés sont accessibles au public via GitHub et Hugging Face.
