ESM-2
PulseAugur coverage of ESM-2 — every cluster mentioning ESM-2 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Canopy模型通过异构图基础模型推进代谢工程
研究人员推出Canopy，这是一种新颖的异构图基础模型，专为代谢工程设计。该模型将基因、蛋白质、代谢物和实验结果等多样化数据源整合到统一的知识图中。Canopy利用ESM-2（用于蛋白质序列）和MoLFormer（用于化学结构）等领域特定基础模型来创建多模态表示。在应用于发酵滴度预测时，Canopy嵌入的性能显著优于传统的表格机器学习方法。
-
研究发现蛋白质语言模型无法恢复过敏原表位
一项新研究发现，尽管蛋白质语言模型在蛋白质级别过敏原性预测方面表现稳健，但其残基级归因无法准确恢复过敏原表位。研究人员开发了一个基准来评估归因的忠实度，结果显示 ESM-2 和 DeepPlantAllergy 等模型的解释与注释的表位没有显著一致性。研究结果表明，这些模型可能依赖于通用的序列特征，而非特定的免疫学机制，因此在未经定量验证的情况下，不应将归因信号直接解释为用于安全筛选或低过敏原设计的免疫学解释。
-
蛋白质语言模型的过敏原解释缺乏生物学依据
一项新近发表在arXiv上的研究质疑了用于过敏原性分类的蛋白质语言模型所提供的解释的生物学相关性。尽管ESM-2和DeepPlantAllergy等模型在蛋白质级别的预测准确性方面表现出色，但它们的残基级归因信号与注释的过敏原表位没有显著的关联。研究表明，这些模型可能依赖于一般的序列特征，而不是特定的免疫学机制，并警告说，在没有严格验证的情况下，不应将它们的解释视为用于安全筛选或低过敏原设计的直接免疫学见解。
-
Sutra语言将程序编译为PyTorch神经网络
研究人员开发了Sutra，一种可编译为PyTorch神经网络的函数式编程语言。该系统通过将程序归约到融合张量运算图来针对向量符号架构。Sutra在解码束（bundles）方面表现出高精度，并允许直接通过编译后的图进行可微分训练，从而使代码既是逻辑程序又是可训练神经网络。