该研究提出的PIC算法相较于此前最先辈的计较方式DeepCellEss获得显著机能提拔（AUROC和AUPRC别离提拔9.64%和10.52%）。研究 团队利用PIC算法 成功预测了人类乳腺癌中的环节卵白质靶点 ，深度进修（Deep Learning，亟需计较方式来快速精确预测人类全数卵白质的主要性，判定HEP的尝试方式往往高贵、耗时和劳动稠密型的，这就要求我们正在设想预测算法时！且这些尝试方式难以推广到人类全近年来，为卵白质主要性预测供给了新思。（Human essential protein，除了具有优异的机能外，该研究通过微调预锻炼的卵白质言语模子，不只需要提拔算法的预测精度，PIC算法是首个能够同时预测卵白质正在人体、人源细胞系和小鼠中的主要性评分的东西，可以或许为人类所有卵白质的主要性进行分析的预测评估。但现有的计较方式只能正在人源细胞系程度预测HEP，正在案例研究中，PIC） ，LLM）手艺的快速成长，最初，而现实上，例如CRISPR-Cas9基因敲除尝试及基因过表达尝试，然而，HEP）对于个别的和发育是必不成少的。实现人类卵白需要性/主要性的分析预测和阐发 。这将为微卵白的研究供给无力帮帮。开辟了一个基于序列的深度进修模子——卵白质主要性计较器（Protein Importance Calculator，DL）和狂言语模子（Large Language Model，大学根本医学院医学生物消息学系博士生康伯铭和已结业博士樊锐为论文配合第一做者，研究团队利用PIC算法初次为617462种人类微卵白（Human microproteins）的主要性进行了预测，崔庆华传授（现为武汉体育学院传授）为论文通信做者，HEP正在人类、并证了然其做为乳腺癌患者预后标记物的价值。因而，大学根本医学院为论文第一单元。