protein folding
PulseAugur coverage of protein folding — every cluster mentioning protein folding across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
AI 探索从氨基酸序列预测蛋白质折叠
研究人员正在探索人工智能根据氨基酸序列预测蛋白质折叠结构的可能性。该研究领域侧重于理解特定序列（如 PEST 假说）与蛋白质快速降解之间的关系。
-
量子张量网络实现生成模型的可扩展模拟
研究人员开发了一种使用量子计算机上的张量网络模拟连续时间生成模型的新颖方法。与传统方法相比，这种方法显著降低了计算成本和存储需求，尤其适用于高维数据。该研究通过成功复现稀有事件采样的缩放比例来验证该流程，展示了其在各种应用中进行高效统计推断的潜力。
-
杰夫·贝索斯利用人工智能预测进化变革
杰夫·贝索斯正利用人工智能预测进化变化，将复杂的生物过程与人工智能的能力进行类比。他的公司正在探索人工智能在蛋白质折叠等领域的潜力，旨在预测长期的生物学转变。这一举措凸显了将先进人工智能技术应用于基础科学研究的日益增长的趋势。
-
AI 代理旨在简化 AlphaFold 以实现更广泛的访问
一种新方法旨在使复杂的蛋白质结构预测工具 AlphaFold 更易于访问。通过将 AI 代理与 Gemini 和 Claude 等模型集成，该项目寻求将广泛的蛋白质结构数据库转换为易于理解且可供更广泛受众使用的格式。这项举措可以通过普及先进的生物信息学工具的使用，对药物发现和基因组学等领域产生重大影响。
-
AI通过蛋白质折叠和模拟加速药物发现时间线
人工智能正在通过利用蛋白质折叠和先进的化学模拟来显著加快药物发现的速度。这项技术缩短了识别潜在候选药物所需的时间，提高了它们的质量，并使研发过程更加高效。
-
Google DeepMind 文章将人工智能定位为新的科学仪器
Google DeepMind 的一篇最新文章提出，人工智能正在演变成一种新的科学仪器，类似于望远镜或显微镜。这一观点得到了人工智能近期在蛋白质折叠、材料发现和高等数学等复杂领域取得成功的支持，在这些领域，人工智能解决了专家们认为需要更长时间才能解决的问题。文章承认，目前人工智能在奥林匹克数学题等领域的成就与真正的研究尚有差距，但展望了未来能够生成自身科学假设的人工智能代理。
-
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。