PulseAugur
实时 09:25:14
English(EN) Conditioning Protein Generation via Hopfield Pattern Multiplicity

新方法使用随机注意力条件化蛋白质生成

研究人员开发了一种新颖的通过无训练随机注意力采样器条件化蛋白质生成的方法。通过将多样性比率纳入采样器的logits中,可以将生成过程从广泛的蛋白质家族转移到特定的目标子集。该技术在五个Pfam家族中进行了测试,结果表明注意力机制准确地遵循了分析目标,尽管特定残基标记的恢复取决于通过主成分分析分离指定序列和背景序列。加权剖面HMM显示了更直接的标记恢复,而在涉及Kunitz序列的比较中,随机注意力实现了更低的困惑度。 AI

影响 这项研究引入了一种新颖的微调蛋白质生成模型的技术,有望加速药物发现和蛋白质工程。

排序理由 该集群包含一篇详细介绍蛋白质生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法使用随机注意力条件化蛋白质生成

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jeffrey D. Varner ·

    通过 Hopfield 模式多样性条件化蛋白质生成

    arXiv:2603.20115v2 Announce Type: replace Abstract: Small protein-family alignments often contain a subset of interest but not enough labeled data to train a conditional generator. We condition a training-free stochastic-attention sampler by adding one multiplicity ratio to its l…