![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Lily的AIDD
文章平均质量分 93
这是在公司实习前期阅读的文章
Lily_2002_
这个作者很懒,什么都没留下…
展开
-
GeoStab:Improving the prediction of protein stability changes upon mutations
本文章主要是将几何学习的模型(geometric-learning-based models)用于预测蛋白质在突变后的稳定性和功能变化具体来说,文章提出了三个模型——GeoFitness。原创 2024-04-08 15:56:46 · 686 阅读 · 1 评论 -
ESM Biological structure and function emerge from scaling unsupervised learning
我们在这里的重点将是将一个单一的模型适合于跨越进化的许多不同的序列。在蛋白质序列中可能存在各种随机的扰动,但进化倾向于选择那些与生物适应性(fitness)一致的扰动(换句话说,生物在进化过程中更可能选择对其生存和繁殖有利的蛋白质序列变异,这些变异使得生物更适应其所处的环境和生存条件。(适者生存:Survival of the fittest)原创 2024-03-29 16:23:06 · 636 阅读 · 1 评论 -
ProteinMPNN: Robust deep learning–based protein sequence design using ProteinMPNN 的前置知识及名词解释
Rosetta基于物理的方法将序列设计视为能量优化问题本文用到了MPNN with 3 encoder and 3 decoder layers and 128 hidden dimensions。原创 2024-04-08 14:48:56 · 1091 阅读 · 0 评论 -
Transfer learning to leverage larger datasets for improved prediction of protein stability changes
蛋白质在临床、工业和研究领域中的重要性和多样性,强调了蛋白质在生物学和医学中的关键作用。大型语言模型(LLMs)进行蛋白质结构预测,以及通过迁移学习完成各种蛋白质设计任务,包括基于序列的稳定性预测都取得了一定成就。proteinMPNN基于从PDB中发现的天然蛋白质中学到的结构模式,预测了给定位置所有20种氨基酸作为原始残基的概率。然而,通过生物自然进化来优化的稳定性只是在生存情况下够用,所以仅用proteinMPNN预测DDG°值可能不足以实现很好的性能。原创 2024-04-08 14:50:23 · 921 阅读 · 3 评论