19 articoli
Questo studio dimostra che semplici impronte digitali molecolari, pur catturando solo caratteristiche a corto raggio, superano i modelli complessi basati su reti neurali e trasformatori nella previsione delle funzioni peptidiche, sfidando la presunta necessità di modellare le dipendenze a lungo raggio.
Il documento presenta IFACE, un nuovo framework basato su corrispondenze che allinea le superfici proteiche accoppiando probabilità di geometria intrinseca e campi chimici spaziali per derivare una distanza congiunta geometrico-chimica capace di distinguere la variabilità conformazionale dalla divergenza strutturale e di identificare tasche catalitiche conservate.
Questo lavoro propone una nuova rappresentazione degli ambienti proteici locali basata sulle caratteristiche intermedie di modelli fondazionali atomistici, dimostrando che tale embedding cattura efficacemente sia la struttura che le proprietà chimiche e permette di costruire predittori di spostamento chimico NMR all'avanguardia.
Il paper presenta CryoNet.Refine, un modello di diffusione deep learning a un singolo passaggio che automatizza e accelera il raffinamento dei modelli strutturali in mappe di densità Cryo-EM, superando i metodi tradizionali in termini di velocità e qualità geometrica.
Il paper introduce "Reverse Distillation", un framework che decompone le rappresentazioni dei modelli linguistici proteici (PLM) in sottospazi ortogonali guidati da modelli più piccoli, creando embedding nidificati che garantiscono prestazioni superiori e una scalabilità coerente rispetto ai modelli PLM tradizionali.
Questo studio introduce un modello termodinamico che predice quantitativamente il comportamento di fase e il partizionamento delle regioni proteiche intrinsecamente disordinate in miscele complesse, definendo uno spazio metrico basato su rappresentazioni sequenziali a bassa dimensionalità che unifica la previsione e la comprensione delle interazioni biomolecolari.
Il paper presenta BInD, un modello di diffusione basato sulla conoscenza che genera simultaneamente molecole e le loro interazioni con proteine target per superare i limiti degli approcci esistenti nel bilanciare obiettivi multipli nel design di farmaci strutturale.
Il paper propone QCAI, un nuovo metodo post-hoc per interpretare i meccanismi di cross-attention nei transformer encoder-decoder applicati al legame TCR-pMHC, che supera le limitazioni delle tecniche esistenti e raggiunge prestazioni all'avanguardia sia nell'interpretabilità che nella precisione predittiva grazie alla valutazione sul benchmark TCR-XAI.
Il paper propone un framework di ottimizzazione continua basato sul campionamento per la progettazione di mRNA che, iterando tra la generazione di sequenze sinonime e la valutazione di metriche in black-box, supera i metodi esistenti migliorando proprietà come la probabilità di non appaiamento e la percentuale di uridina accessibile, pur permettendo un'esplorazione flessibile dello spazio di progettazione attraverso formulazioni multi-obiettivo.
Utilizzando simulazioni Monte Carlo su un modello di proteina YibK, lo studio dimostra che la temperatura di fusione non dipende dallo stato topologico e che le discrepanze tra risultati sperimentali e computazionali derivano dalla separazione dei tempi scala tra lo sbottonamento e lo spiegamento delle proteine annodate.
Il paper sviluppa una teoria analitica che rivela come un singolo parametro adimensionale possa determinare forze entropiche paradossali che, invece di separare, mantengono i fasci di nanofilamenti in stati metastabili attrattivi, un risultato confermato da simulazioni di dinamica browniana.
Utilizzando simulazioni Monte Carlo su modelli strutturale-based, lo studio dimostra che la topologia nodale delle proteine ne aumenta la stabilità cinetica, suggerendo che tale vantaggio funzionale possa guidare la loro persistenza evolutiva.
Questo studio critica i metodi convenzionali di analisi del DNA antico per la loro semplificazione eccessiva e introduce il framework HSF, basato su principi primi e tracciabilità a posteriori, per migliorare l'autenticità e la precisione nell'identificazione di frammenti genetici eterogenei in contesti di conservazione complessi.
Il paper presenta HEroBM, un metodo scalabile basato su reti neurali grafiche equivarianti che supera i limiti delle tecniche attuali permettendo un backmapping universale, preciso e trasferibile da rappresentazioni a grana grossa a strutture atomiche complete per qualsiasi sistema chimico.
Questa recensione esamina i recenti progressi nell'uso delle simulazioni di dinamica molecolare atomistica per caratterizzare la dinamica e le interazioni dell'RNA, evidenziando come le tecniche di campionamento avanzato, gli approcci integrati e l'intelligenza artificiale migliorino la precisione dei modelli strutturali.
Il paper presenta un nuovo framework di ottimizzazione al momento dell'inferenza che, agendo sulle rappresentazioni latenti e combinando prior strutturali e di campo di forza, genera ensemble proteici termodinamicamente plausibili e in migliore accordo con i dati sperimentali rispetto agli attuali modelli generativi, rivelando al contempo vulnerabilità nelle metriche di fiducia degli attuali sistemi di design.
Il modello fondazionale FLOWR.root combina la generazione 3D di leganti strutturamente consapevoli con la previsione dell'affinità di legame, offrendo un approccio integrato e adattabile per la progettazione di farmaci che supera le prestazioni degli stati dell'arte attuali in termini di accuratezza e velocità.
Gli autori dimostrano che un modello statistico-mecanico, parametrizzato tramite misurazioni di energie di legame in vitro del fattore di trascrizione Klf4, è in grado di prevedere con precisione i suoi pattern di occupazione su singole molecole di DNA e in tutto il genoma umano.
Il paper presenta Cryo-SWAN, un autoencoder variabile basato su voxel e ispirato alla decomposizione wavelet multiscala che migliora la rappresentazione e la generazione di volumi di densità molecolare, colmando il divario tra le tecniche di visione artificiale 3D e l'analisi strutturale biologica nativa.