PulseAugur
实时 16:29:26
English(EN) CryoProt: A Protein Pretraining Framework with Cross-Box Interactions on Cryo-EM Density Maps

CryoProt框架增强了来自冷冻电镜数据的蛋白质表示

研究人员开发了CryoProt,一个使用冷冻电镜(cryo-EM)密度图预训练蛋白质表示的新框架。该方法通过显式建模密度图不同区域之间的相互作用,而不是将它们独立处理,从而解决了现有方法的局限性。CryoProt采用多任务预训练策略来学习可泛化到各种下游任务的表示,在蛋白质柔性预测方面显示出显著的改进。 AI

影响 引入了一种从冷冻电镜数据中学习蛋白质表示的新方法,有望改进下游生物学预测。

排序理由 这是一篇描述蛋白质表示学习新框架的研究论文。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Dan Luo, Xuan Lin, Peng Zhou, Junwen Zhu, Tengfei Ma, Xiangxiang Zeng, Yiping Liu ·

    CryoProt: A Protein Pretraining Framework with Cross-Box Interactions on Cryo-EM Density Maps

    arXiv:2606.00955v1 Announce Type: new Abstract: Despite the growing availability of cryo-electron microscopy (cryo-EM) density maps, effectively leveraging them for protein representation remains challenging. First, current methods lack a general-purpose protein pretraining frame…