ProtBERT
PulseAugur coverage of ProtBERT — every cluster mentioning ProtBERT across labs, papers, and developer communities, ranked by signal.
-
ProtModernBERT 将蛋白质模型训练成本降低 90%
研究人员开发了 ProtModernBERT,这是一种新的蛋白质语言模型,可在保持具有竞争力的性能的同时显著降低训练成本。这款现代化的 BERT 类模型专为资源受限的实验室设计,其性能与 ProtBert 和 Amplify-120M 等现有模型相当,但预训练 FLOPs 减少高达 90%。研究强调,在低计算环境中,架构改进而非仅仅是参数数量对于效率至关重要。
-
AI通过语言指导和安全焦点推动蛋白质设计进展 · 跟踪6个来源
研究人员正在探索使用先进的AI模型进行蛋白质设计的新方法,重点关注自然语言指导和数据完整性。一项研究详细介绍了两种仅数据中毒攻击,它们可以通过污染训练或检索数据来操纵ProtGPT2和ProGen2等蛋白质生成模型,展示了对抗性输入如何改变模型行为。另一篇论文介绍了InstructPro2,该模型将自然语言目标转化为蛋白质序列,同时融入生物学背景,在功能恢复和抗体设计方面优于现有基线。此外,ProtModernBERT为蛋白质语言建模…
-
新方法提高蛋白质语言模型效率 · 2篇论文
两篇新研究论文探讨了提高蛋白质语言模型(PLMs)效率的方法。第一篇论文分析了量化和QLoRA等参数高效微调技术对各种PLMs的影响,发现在许多任务中,GPU内存使用量显著减少,而性能损失极小。第二篇论文介绍了LEMON-ZEST,一种结合进化信息压缩蛋白质序列的新型标记化策略,使小型模型能够达到最先进的性能。
-
为孟加拉国开发了新的基于蛋白质的鱼类鉴定方法
研究人员开发了一种使用蛋白质序列鉴定孟加拉国鱼类物种的新方法。他们创建了一个包含九种孟加拉国本土鱼类蛋白质序列的数据集,并评估了几种机器学习架构。他们提出的混合模型 MotifCNN-Transformer+TA-PE 达到了 79.80% 的准确率,并且比微调后的 ProtBERT 模型速度更快、体积更小,使其在资源受限的环境中更具实用性。
-
AI代理框架增强肽设计和优化
研究人员开发了Pepti-Agent,一个用于治疗性肽设计和优化的新型AI框架。该系统集成了生成模型和属性预测器,能够通过迭代优化肽序列来平衡溶解度和溶血活性等竞争性约束。与之前的单体脚本不同,Pepti-Agent利用模型上下文协议(MCP)独立暴露生成、预测和突变工具,使大型语言模型控制器能够根据实时属性配置文件进行引导优化,而不仅仅依赖于自然语言推理。该框架还提供了可复现的决策和突变跟踪,用于基准测试和候选优先级排序。