PulseAugur
中
实时 22:01:00
English(EN) Protein Fold Classification at Scale: Benchmarking and Pretraining

新的基准和自监督模型推动蛋白质折叠分类发展

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TEDBench，一个用于蛋白质折叠分类的新型大规模基准测试，旨在克服现有数据集和模型的局限性。为了解决当前方法的性能问题，他们引入了掩码不变自编码器（MiAE），一个自监督学习框架。MiAE利用高掩码率和SE(3)-不变编码器来有效学习蛋白质结构表示，在新基准测试上表现优于监督方法。 AI

影响 引入了一个新的基准测试和一个自监督框架，有望改进蛋白质结构分析并加速生物学发现。

排序理由 该集群描述了一篇介绍蛋白质折叠分类新基准和新型自监督学习框架的学术论文。[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 →

新的基准和自监督模型推动蛋白质折叠分类发展

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Karsten Borgwardt ·

    Protein Fold Classification at Scale: Benchmarking and Pretraining

    Classifying protein topology is essential for deciphering biological function, but progress is held back by the lack of large-scale benchmarks that avoid duplicates and by models that do not scale well. We introduce TEDBench, a large-scale, non-redundant benchmark for protein fol…

相关实体

相关话题