ESMFold
PulseAugur coverage of ESMFold — every cluster mentioning ESMFold across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的 VESTIGE 策略增强了基因组 Transformer 的 DNA 重建能力
研究人员开发了 VESTIGE，一种用于基因组 Transformer 的新型微调策略，可提高其重建受损 DNA 序列的能力。与应用统一掩码的标准方法不同，VESTIGE 采用知识引导的方法，根据经验测量的腐败特征（如古 DNA 中发现的特征）来定制掩码概率。该方法显著提高了重建准确性并降低了验证交叉熵，即使在极端损坏水平下也证明了其有效性。
-
新的无训练方法可从小型比对生成新颖的蛋白质序列
研究人员开发了一种名为随机注意力（SA）的新型无训练方法，用于从小型比对家族生成蛋白质序列。与需要大量数据的传统深度学习模型不同，SA利用Hopfield能量模型和Langevin动力学进行采样，无需GPU或预训练。该方法在各种蛋白质家族中都取得了成功，生成的序列具有低组成发散度、新颖性和结构合理性，优于现有的Profile HMM和MSA Transformer等方法。SA能够从种子比对自动运行，并获得独立语言模型的有利评分，使其成…
-
AI蛋白质折叠模型展示收敛的两阶段折叠机制
一篇新发表在arXiv上的研究论文详细介绍了在ESMFold、OpenFold和Boltz-1等AI蛋白质折叠模型中观察到的两阶段计算结构。第一阶段根据序列数据初始化生化信号，第二阶段则开发空间特征，如距离和接触信息。研究人员证明，通过操纵这些特征，他们可以可预测地改变蛋白质结构，这表明在蛋白质折叠的不同AI架构之间，表示组织方式存在收敛性。
-
AgentPLM 集成反馈以实现高级蛋白质设计
研究人员开发了 AgentPLM，这是一种新颖的蛋白质语言模型，旨在实现更有效的蛋白质序列设计。与一次性生成序列的传统模型不同，AgentPLM 通过一种称为推理增强解码的过程整合外部生物物理反馈。这使得模型能够咨询 ESMFold 和 FoldX 等工具，并通过对比剂策略优化学习何时使用此反馈。该模型通过展示在线纠错能力，在酶和抗体设计等各种蛋白质设计任务中表现出最先进的性能。