PulseAugur
中
实时 11:57:39
English(EN) Enhancing Protein-Protein Interaction Prediction with Hierarchical Motif-based Multimodal Protein Embedding

新型AI模型增强蛋白质相互作用预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为MMM-PPI的新方法，以改进蛋白质-蛋白质相互作用的预测。该方法通过考虑蛋白质的分层结构（包括介观基序）并整合序列、结构和功能数据，解决了现有方法的局限性。MMM-PPI模型以多模态、自下而上的方式跨微观、介观和宏观尺度构建蛋白质嵌入，其性能优于当前最先进的模型，尤其是在具有挑战性的数据场景下。 AI

影响 这一新模型有望在生物学研究中带来更准确的预测，从而可能加速药物发现和对细胞过程的理解。

排序理由 该集群包含一篇详细介绍用于科学任务的新AI模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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.AI TIER_1 English(EN) · Zaifei Yang, Samuel Ping-Man Choi, James Kwok ·

    利用分层模体多模态蛋白质嵌入增强蛋白质-蛋白质相互作用预测

    arXiv:2606.02629v1 Announce Type: cross Abstract: Protein-protein interactions (PPIs) are essential for many biological processes. However, existing PPI prediction approaches suffer from two major limitations: they overlook the hierarchical organization of proteins, particularly …

相关实体

相关话题