AlphaFold Database
PulseAugur coverage of AlphaFold Database — every cluster mentioning AlphaFold Database across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新AI模型IDiom生成具有可控特征的蛋白质序列
研究人员开发了IDiom，一个在5400万个预测的内在无序蛋白质区域（IDRs）数据集上训练的新型自回归蛋白质语言模型。该模型旨在生成模仿天然IDRs组成和模式的多样化序列，解决了基于结构的设计方法不适用于IDRs的挑战。此外，还引入了一种称为强化稀疏自编码器特征学习（RL-SAE）的训练后方法，以增强具有特定、与功能相关特征的序列的生成。与现有方法相比，这种RL-SAE方法在激活目标特征和增强预测的生物功能方面显示出显著的改进。
-
NVIDIA BioNeMo 推理运行时加速蛋白质结构预测
NVIDIA 推出了 BioNeMo 推理运行时 (BioIR)，这是一个旨在加速 NVIDIA GPU 上生物分子结构预测模型的 Python 库。BioIR 优化了 Pairformer 和 Evoformer 等模型中的特定操作，并利用 CUDA Graph 捕获进行模块优化，以及使用 Ray 进行流水线扩展。该运行时已被用于扩展 AlphaFold 数据库，为数百万个高置信度蛋白质结构预测的发布做出了贡献。基准测试显示，与标准…
-
Google DeepMind 推出 AlphaGenome Atlas，一个庞大的 AI 生物学数据库
Google DeepMind 推出了 AlphaGenome Atlas，这是一个人工智能驱动的数据库，旨在让全球研究人员能够访问基础生物学工具。这个新资源比 AlphaFold Database 大得多，包含的数据量超过其 30 倍。AlphaGenome Atlas 绘制了数十亿个单字母脱氧核糖核酸（DNA）变化的预测影响，并包含 AlphaGenome Variant Impact (AVI) 分数，该分数有助于对突变进行排名…
-
Google DeepMind 发布 AlphaGenome Atlas 预测所有人类 DNA 变异
Google DeepMind 推出了 AlphaGenome Atlas，这是一个全面的平台，可预测人类基因组中所有九十亿种可能的单字母 DNA 变异的分子影响。这个庞大的 1 PB 数据集可供学术研究人员使用，旨在通过更轻松地解读基因变异来加速生物学理解和疾病治疗。该 Atlas 还引入了 AlphaGenome Variant Impact (AVI) 分数，以帮助研究人员对这些基因变化的意义进行排名和理解。
-
Google DeepMind 发布 AI 驱动的 AlphaGenome Atlas，可预测 90 亿个 DNA 变异 · 跟踪 9 个来源
Google DeepMind 推出了 AlphaGenome Atlas，这是一个全面的数据库，利用 AI 预测人类基因组中约 90 亿个可能的单核苷酸变异的分子效应。该资源包含 AlphaGenome Variant Impact (AVI) 分数，旨在通过提供预先计算的预测来加速遗传疾病研究，与单独的变异测试或按需模型计算相比，为研究人员节省了大量时间。该 Atlas 目前可通过网络门户和 API 用于非商业学术用途，预计很快将…
-
Google DeepMind 的 AlphaFold 助力蛋白质工程和损伤修复
Google DeepMind 的 AlphaFold 正在被用于蛋白质工程，展示了其超越初步预测的应用。五年前推出的 AlphaFold 数据库正在帮助研究人员解决蛋白质结构方面的空白。这一进展显示出逆转糖结合到蛋白质上造成的不可逆损伤的潜力。
-
Google DeepMind推出AI工具包以加速生命科学研究
Google DeepMind开发了一个名为Science Skills for Google的新AI工具包，旨在加速研究工作流程。该工具包整合了来自UniProt和AlphaFold数据库等30多个主要生命科学来源的见解。它已被用于分析一种罕见的遗传性疾病，提供了比传统方法更快、更复杂的结构分析和新颖的见解。