🧬 Category

q-bio.BM

152 पेपर

🧬 biology

Fine-tuning DeepSeek-OCR-2 for Molecular Structure Recognition

यह शोध पत्र MolSeek-OCR प्रस्तुत करता है, जो ऑप्टिकल केमिकल स्ट्रक्चर रिकग्निशन (Optical Chemical Structure Recognition) के लिए एक DeepSeek-OCR-2 अनुकूलन है, जो सिंथेटिक और पेटेंट डेटा पर दो-चरणीय प्रगतिशील फाइन-ट्यूनिंग रणनीति का उपयोग करके प्रतिस्पर्धी अनुक्रम-स्तर की सटीकता प्राप्त करता है, हालांकि यह अभी भी अत्याधुनिक इमेज-टू-ग्राफ मॉडलों से पीछे है और सुदृढीकरण (reinforcement) या डेटा-क्यूरेशन पोस्ट-ट्रेनिंग के साथ और अधिक सुधार करने में विफल रहता है।

Haocheng Tang, Xingyu Dang, Junmei Wang2026-04-07
🧬 biology

Eigencone Constellations on Ranked Spheres

यह शोध पत्र "आइगनकोन कॉन्स्टेलेशन" (eigencone constellations) प्रस्तुत करता है, जो एक पदानुक्रमित ढांचा है जो स्पेक्ट्रल दूरी को मापने के लिए एक ज्यामितीय मीट्रिक को परिभाषित करने और 'आइसोमॉर्फिक वॉक्स' (isomorphic walks) के रूप में ज्ञात कुशल, नियतात्मक ग्राफ एडिट प्रक्षेप पथों को सक्षम करने के लिए स्पेक्ट्रल द्रव्यमान द्वारा विभाजित संकेंद्रित गोलाकार परतों में विरल स्थानिक ग्राफ़ को एम्बेड करता है।

Norayr Matevosyan2026-04-07
🧬 biology

DrugPlayGround: Benchmarking Large Language Models and Embeddings for Drug Discovery

यह शोध पत्र DrugPlayGround प्रस्तुत करता है, जो एक नवीन ढांचा है जिसे बड़े भाषा मॉडलों (LLMs) और एम्बेडिंग्स को सटीक दवा-संबंधी विवरण उत्पन्न करने और भौतिक-रासायनिक विशेषताओं, सहक्रियात्मकता (synergism), अंतःक्रियाओं और शारीरिक प्रतिक्रियाओं के लिए विशेषज्ञ-तर्कसंगत स्पष्टीकरण प्रदान करने की उनकी क्षमता पर वस्तुनिष्ठ रूप से बेंचमार्क करने के लिए डिज़ाइन किया गया है, जिससे दवा की खोज (drug discovery) में वर्तमान मानकीकृत मूल्यांकन की कमी को दूर किया जा सके।

Tianyu Liu, Sihan Jiang, Fan Zhang, Kunyang Sun, Teresa Head-Gordon, Hongyu Zhao2026-04-06
🧬 biology

ViraHinter: a dual-modal artificial intelligence framework for predicting virus-host interactions

ViraHinter एक नवीन ड्यूल-मोडल डीप लर्निंग फ्रेमवर्क है जो संरचनात्मक पीढ़ी (structural generation) और अनुक्रम प्रतिनिधित्व (sequence representation) को एकीकृत करता है ताकि वायरस-होस्ट इंटरैक्शन की सटीक भविष्यवाणी की जा सके, जो विविध वायरल परिवारों में नवीन होस्ट कारकों की पहचान करने और व्यापक-स्पेक्ट्रम एंटीवायरल खोज को सक्षम करने में मौजूदा मॉडलों से बेहतर प्रदर्शन करता है।

Weiqiang Bai, Fei Wang, Jialin Wang, Sheng Xu, Lifeng Qiao, Juan Li, Zhuyi Guo, Xiangyun Hou, Lei Bai, Bowen Zhou, Edwar (…)2026-04-06
🧬 biology

Representation choice shapes the interpretation of protein conformational dynamics

यह शोध पत्र प्रदर्शित करता है कि आणविक प्रतिनिधित्व (molecular representation) का चयन प्रोटीन संरचनात्मक गतिशीलता (protein conformational dynamics) की व्याख्या को मौलिक रूप से आकार देता है, जो एक तुलनात्मक ढांचे के लिए तर्क देता है और "ओरिएंटेशन" (Orientation) विशेषता तथा "मैनिप्रोट" (ManiProt) लाइब्रेरी को पेश करता है ताकि प्रोटीन की गति के पूरक पहलुओं को पकड़ा जा सके जिन्हें कोई भी एकल प्रतिनिधित्व पूरी तरह से प्रकट नहीं कर सकता है।

Axel Giottonini, Thomas Lemmin2026-04-02
🧬 biology

Bridging the Simulation-to-Experiment Gap with Generative Models using Adversarial Distribution Alignment

यह शोध पत्र एडवरसैरियल डिस्ट्रीब्यूशन अलाइनमेंट (ADA) का प्रस्ताव देता है, जो एक डोमेन-अज्ञेयवादी ढांचा है जो पूर्णतः प्रेक्षित सिमुलेशन डेटा पर एक जनरेटिव मॉडल को प्री-ट्रेन करके और फिर लक्षित दृश्य वितरण (target observable distribution) को पुनः प्राप्त करने के लिए इसे आंशिक प्रयोगात्मक अवलोकनों के साथ संरेखित करके सिमुलेशन-टू-एक्सपेरिमेंट अंतराल को पाटता है।

Kai Nelson, Tobias Kreiman, Sergey Levine, Aditi S. Krishnapriyan2026-04-02
🧬 biology

Learning Inter-Atomic Potentials without Explicit Equivariance

यह शोध पत्र TransIP को प्रस्तुत करता है, जो एक नवीन ट्रांसफॉर्मर-आधारित ढांचा है जो स्पष्ट रूप से समरूपता संबंधी वास्तुशिल्प बाधाओं या डेटा संवर्धन पर निर्भर रहने के बजाय एम्बेडिंग स्पेस अनुकूलन के माध्यम से SO(3)-इक्विवैरिएंस (समरूपता) सीखकर मशीन-लर्नड इंटर-एटॉमिक पोटेंशियल में अत्याधुनिक प्रदर्शन प्राप्त करता है।

Ahmed A. Elhag, Arun Raja, Alex Morehead, Samuel M. Blau, Hongtao Zhao, Christian Tyrchan, Eva Nittinger, Garrett M. Mor (…)2026-04-01
🧬 biology

Sampling at intermediate temperatures is optimal for training large language models in protein structure prediction

यह अध्ययन एक सांख्यिकीय यांत्रिकी ढांचे का उपयोग करके यह प्रदर्शित करता है कि प्रोटीन संरचना भविष्यवाणी के लिए बड़े भाषा मॉडलों को प्रशिक्षित करना मध्यवर्ती तापमान पर इष्टतम होता है, जहाँ ट्रांसफार्मर मॉडल प्रथम-क्रम के चरण संक्रमणों (first-order phase transitions) के बिना स्थिर शिक्षण गुण और संरक्षित पैरामीटर प्रदर्शित करते हैं, जबकि साथ ही यह भी प्रकट करता है कि उच्च तापमान और एम्बेडिंग आयाम अटेंशन मैट्रिक्स की प्रोटीन संपर्क मानचित्रों (protein contact maps) की भविष्यवाणी करने की क्षमता को बढ़ाते हैं।

L. Ghiringhelli, A. Zambon, G. Tiana2026-04-01
🔬 physics

Nonequilibrium protein complexes as molecular automata

यह शोध पत्र एक ऊष्मागतिकीय रूप से सुसंगत मॉडल प्रस्तावित करता है जो यह प्रदर्शित करता है कि संचालित, गैर-संतुलन प्रोटीन कॉम्प्लेक्स स्टोकेस्टिक आणविक ऑटोमेटा के रूप में कार्य कर सकते हैं, जिससे जीवित कोशिकाओं के भीतर त्रुटि-सहिष्णु स्मृति, आणविक स्टॉपवॉच और परिमित-अवस्था मशीनों को इंजीनियर करने के लिए एक ढांचा प्रदान होता है।

Jan Kocka, Kabir Husain, Jaime Agudo-Canalejo2026-03-31
🤖 AI

PI-Mamba: Linear-Time Protein Backbone Generation via Spectrally Initialized Flow Matching

PI-Mamba एक लीनियर-टाइम जनरेटिव मॉडल है जो 2,000 अवशेषों (residues) से अधिक लंबी संरचनाओं के लिए बिना किसी पुनरावृत्ति परिशोधन (iterative refinement) के, ज्यामितीय रूप से वैध और डिजाइन करने योग्य प्रोटीन बैकबोन उत्पन्न करने के लिए मांबा-आधारित स्टेट-स्पेस आर्किटेक्चर को फ्लो मैचिंग और भौतिकी-सूचित बाधाओं (physics-informed constraints) के साथ जोड़ता है।

Tianyu Wu, Lin Zhu2026-03-31