多肽功能预测工具（PepClassifier）：输入一条或多条多肽序列，一次给出 22 种功能的二分类预测（每项含概率、判定阈值与阳/阴性），可用于多肽药物的活性初筛与安全性评估。
覆盖的功能按应用方向分为 6 组（共 22 项）：活性 — 抗菌（AMP）：抗菌、抗细菌、抗真菌、抗寄生虫、抗病毒；活性 — 抗肿瘤：抗癌、肿瘤 T 细胞抗原（ttca）；活性 — 代谢调节：ACE 抑制、DPP-IV 抑制、抗糖尿病；活性 — 其他：抗衰老、抗炎、抗氧化、神经肽、群体感应；ADME 成药性：抗污（nonfouling）、细胞穿透（cpp）、血脑屏障穿透（bbp）；安全性（Tox）：过敏原性、溶血性、神经毒性、毒性。
模型基于 PepBenchData-50 与官方 hybrid 划分（8:1:1，5 个 seed）训练，判定阈值在验证集上调优。
适用边界：仅覆盖由标准氨基酸组成的线性多肽（不处理非天然肽 / SMILES 输入），也不预测 MIC、HC50、PAMPA 等连续值终点；序列长度建议 ≤ 50 aa。
1. 多肽序列（支持10条 FASTA）:
已解析序列数: 0，总残基数: 0
模型性能指标
PepBench 22-task Summary (hybrid split, 5 seeds, mean±std)
============================================================================
ace_inhibitory MCC=0.4915±0.0383 AUC=0.8334±0.0162 THR=0.5300±0.2308
allergen MCC=0.6501±0.0497 AUC=0.9008±0.0163 THR=0.3300±0.1255
antiaging MCC=0.1631±0.1172 AUC=0.5890±0.0786 THR=0.7900±0.0894
antibacterial MCC=0.6019±0.0206 AUC=0.9232±0.0029 THR=0.6100±0.0548
anticancer MCC=0.6240±0.0173 AUC=0.9205±0.0067 THR=0.4900±0.0962
antidiabetic MCC=0.3467±0.0857 AUC=0.7741±0.0400 THR=0.3900±0.2074
antifungal MCC=0.5916±0.0420 AUC=0.9097±0.0111 THR=0.5100±0.0652
antiinflamatory MCC=0.4383±0.0528 AUC=0.7957±0.0226 THR=0.3900±0.1294
antimicrobial MCC=0.6176±0.0158 AUC=0.9201±0.0045 THR=0.6000±0.0354
antioxidant MCC=0.3439±0.0771 AUC=0.7218±0.0370 THR=0.6400±0.1917
antiparasitic MCC=0.5835±0.0510 AUC=0.9080±0.0144 THR=0.6800±0.1304
antiviral MCC=0.5594±0.0313 AUC=0.8835±0.0081 THR=0.5800±0.1255
bbp MCC=0.3653±0.0774 AUC=0.6885±0.0770 THR=0.7400±0.1140
cpp MCC=0.4910±0.1183 AUC=0.8562±0.0370 THR=0.6100±0.2275
dppiv_inhibitors MCC=0.5339±0.0351 AUC=0.8366±0.0212 THR=0.5400±0.1710
hemolytic MCC=0.5412±0.0293 AUC=0.8596±0.0158 THR=0.5600±0.2815
neuropeptide MCC=0.5505±0.0358 AUC=0.8705±0.0122 THR=0.5300±0.1304
neurotoxin MCC=0.3394±0.0829 AUC=0.7251±0.0412 THR=0.5900±0.1673
nonfouling MCC=0.3919±0.0469 AUC=0.7721±0.0172 THR=0.4100±0.0962
quorum_sensing MCC=0.5655±0.1136 AUC=0.8483±0.0405 THR=0.7000±0.1275
toxicity MCC=0.3688±0.0695 AUC=0.7486±0.0221 THR=0.4900±0.1387
ttca MCC=0.5169±0.1156 AUC=0.8591±0.0497 THR=0.5600±0.1673
----------------------------------------------------------------------------
macro_avg_MCC 0.4853 ± 0.0092
macro_avg_AUC 0.8247 ± 0.0067
macro_avg_THR 0.5577 ± 0.0213
============================================================================
说明：hybrid split 为 k-mer split + mmseq split 的组合划分；THR 为验证集上调优的判定阈值（5 seed 均值）。
参考文献
Zhang J, Wang R, Zhou K, et al. PepBenchmark: a standardized benchmark for peptide machine learning. Presented at: International Conference on Learning Representations; 2026. https://openreview.net/forum?id=NskQgtSdll
最后一次更新时间: 2026-09-21