protein design
PulseAugur coverage of protein design — every cluster mentioning protein design across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Google DeepMind 向 10,000 名科学家免费提供 Gemini 4 Argon 访问权限
Google DeepMind 将为其 Gemini 4 Argon 模型提供为期六个月的访问权限，惠及 10,000 名科学家，以加速研究。该模型已展现出强大的能力，包括将酶工程压缩到数小时内完成、设计出挑战长期物理学假设的新型磁场配置，以及加速量子纠错和算法设计方面的进展。这些进步涵盖了量子计算、核聚变和蛋白质设计等领域，凸显了 Gemini 4 Argon 的广泛科学影响力。
-
LLM代理通过新颖的搜索框架增强蛋白质设计
研究人员开发了ELMS（基于证据的LLM引导蒙特卡洛搜索），一种用于蛋白质设计的新颖框架，该框架利用大型语言模型（LLM）代理来改进基序支架。与传统的生成后过滤方法不同，ELMS利用结构评估的反馈来指导设计动作的迭代。评论员代理识别结构故障，策略代理选择修改运算符，蒙特卡洛树搜索（MCTS）通过重新访问有希望的状态来优化搜索过程。该方法显著优于现有基线，在单基序任务上成功率为86.41%，在配对基序任务上成功率为84.57%，并在有限…
-
杭州AI团队推出Lévin™ Harness，实现蛋白质设计的集成
杭州人工智能公司李文研究所（Liwen Institute）推出了Lévin™ Harness，这是一个基于Agent的平台，旨在简化科学AI工作流程，特别是在蛋白质设计领域。该平台将数据、模型、工具和计算资源整合到一个统一的工作空间中，使研究人员能够定义目标，并由Agent管理计算过程、结果分析和迭代调整。通过插件系统连接各种科学模型和工具，并支持工作流程创建，Lévin™ Harness旨在缩短从科学理念到实际结果的路径，并促进持…
-
Anthropic 的 Claude 模型可自主设计蛋白质，成功率高
Anthropic 已证明其 Claude 语言模型可以自主管理整个蛋白质设计过程，这是药物开发的关键阶段。在测试中，Claude 在设计能够结合目标结构的小型蛋白质方面取得了 35% 的成功率，显著高于行业平均水平的 10-15%。该模型利用现有的专业工具取得了这些成果，预计将有独立审查。
-
新AI方法审计蛋白质模型是否存在危险设计
研究人员开发了VFUSE，一种使用稀疏自编码器（SAE）来解释RoseTTAFold3和RFDiffusion3等生成式蛋白质模型的新方法。该方法旨在识别和理解与危险蛋白质设计相关的特征，从而提高蛋白质工程的安全性。通过在扩散变换器激活上训练SAE，VFUSE展示了改进的可解释性，能够更好地检测与毒性相关的特征，同时不影响模型性能。
-
AI解读蛋白质模型以检测生物风险
研究人员开发了一种名为SAEBER的新方法，利用稀疏自编码器（SAEs）来分析RFDiffusion3和RoseTTAFold3等蛋白质设计模型。该技术识别模型中与设计毒性或有毒蛋白质的可能性相关的特征。虽然在毒性分类方面并未超越当前最先进水平，但SAEBER通过提供结构化、特征层面的解释，为理解和潜在控制有害蛋白质的生成提供了一种新颖的方法。
-
新的流匹配模型为生成任务提供高级控制
研究人员开发了两种新方法来增强流匹配生成模型。一种方法 HardFlow 将硬约束采样重新构建为轨迹优化问题，允许在生成过程结束时精确满足约束，并提高机器人和图像编辑等各种领域的样本质量。另一种方法 Branching Flows 引入了一个框架，其中元素通过二叉树森林演化，能够进行随机分支和删除以控制序列长度，这对于语言模型响应或蛋白质设计等任务特别有用。