BioHub发布了ESMFold 2，这是一个用于蛋白质生物学的开放科学引擎，利用在海量蛋白质序列数据上训练的Transformer模型。该新模型在预测蛋白质相互作用方面，尤其是在抗体方面，展现了最先进的性能，并在癌症和免疫学研究中显示出希望。ESMFold 2的方法依赖于规模法则和无监督学习，而不是像AlphaFold这样的模型所使用的传统多序列比对，这预示着蛋白质结构预测方法论的潜在转变。 AI
影响 挑战AlphaFold等现有蛋白质折叠模型，可能通过规模化的Transformer架构加速药物发现和治疗开发。
排序理由 发布了一个新的科学模型和相关论文，展示了最先进的性能。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Datasets vs. inductive bias, world models, and programmable biology
Editor’s note: In our first BioHub pod with Priscilla and Mark they discussed their acquisition of EvoScale, led by Alex Rives, who is now Head of Science at BioHub. With ESM-1 they trained language models on millions of protein sequences drawn from across life, with a simple “ne…