19 papers
Deze studie toont aan dat eenvoudige, domeinspecifieke moleculaire vingerafdrukken, in combinatie met LightGBM, peptidefuncties nauwkeuriger voorspellen dan complexe grafische neurale netwerken of transformers, waardoor langdurige interactiemodellering minder essentieel is dan eerder werd aangenomen.
Dit paper introduceert IFACE, een nieuw raamwerk dat intrinsieke geometrie en chemische velden combineert tot een gezamenlijke afstandsmeting voor eiwitten, waardoor functioneel gerelateerde interactievlakken en behouden katalytische zakken effectiever kunnen worden geïdentificeerd dan met bestaande vouw-gebaseerde methoden.
In dit artikel wordt een nieuwe representatie voor lokale eiwitomgevingen voorgesteld, afgeleid van atomaire foundation-modellen, die niet alleen structurele en chemische kenmerken effectief vastlegt maar ook leidt tot een baanbrekende, fysisch geïnformeerde voorspeller voor chemische verschuivingen in biomoleculaire NMR-spectroscopie.
CryoNet.Refine is een geautomatiseerd, één-staps diffusiemodel dat de verfijning van atomaire structuren op basis van cryo-EM-dichtheidskaarten aanzienlijk versnelt en verbetert ten opzichte van traditionele methoden.
Deze paper introduceert Reverse Distillation, een raamwerk dat de representaties van grote eiwit-taalmodellen ontleedt in geneste orthogonale subruimtes om de vaak tegenstrijdige schaalwetten op te lossen en consequent betere prestaties te behalen dan kleinere modellen of de oorspronkelijke baselines.
Deze studie introduceert een thermodynamisch model dat de fasegedrag en verdeling van intrinsiek ongeordende eiwitregio's in complexe mengsels nauwkeurig voorspelt door een meetkundige ruimte te definiëren waarin afstanden direct corresponderen met thermodynamische eigenschappen.
Deze paper introduceert BInD, een diffusiemodel dat gelijktijdig moleculen en hun interacties met een doelwit-eiwit genereert om een evenwichtige optimalisatie van meerdere doelen in structurele geneesmiddelenontwerp te bereiken.
Deze paper introduceert QCAI, een nieuwe post-hoc methode die cross-attention interacties in transformer-decoders kwantificeert om de interpretatie van TCR-pMHC-binding te verbeteren en presteert hierin beter dan bestaande methoden op de nieuwe TCR-XAI-benchmark.
Deze paper introduceert een general sampling-based continuous optimization framework dat door iteratief synonieme mRNA-sequenties te genereren en te evalueren, de ontwerpruimte effectief verkent om meerdere doelstellingen te optimaliseren, met name voor stabiliteit en prestatie, en hierbij betere resultaten behaalt dan bestaande methoden zoals LinearDesign.
Deze studie toont aan dat de thermische stabiliteit van het diep geknoopte eiwit YibK niet afhankelijk is van zijn topologische staat, en dat de waargenomen discrepanties tussen experimenten en simulaties voortkomen uit een tijdschaal-scheiding die ervoor zorgt dat DSC-metingen een niet-evenwichtstoestand vastleggen waarin het ontwarren van het knoop nog niet heeft plaatsgevonden.
Dit artikel presenteert een exacte analytische theorie die aantoont dat entropische krachten in nanofilamentbundels, afhankelijk van de verhouding tussen uitgesloten volume en touwlengte, paradoxalerwijs tot aantrekkende metastabiele toestanden kunnen leiden in plaats van de gebruikelijke disaggregatie.
Dit onderzoek toont aan dat knopen in eiwitten hun kinetische stabiliteit verhogen, wat suggereert dat evolutionaire druk op deze stabiliteit de persistentie van geknoopte eiwitten verklaart.
Dit artikel introduceert het HSF-kader, een nieuw postulier traceerbaarheidsmodel dat de beperkingen van conventionele aDNA-methoden overwint door fragmenten als primaire eenheden te behandelen en zo de authenticiteit en nauwkeurigheid van moleculaire reconstructies in complexe fossiele monsters verbetert.
Dit paper introduceert HEroBM, een schaalbaar en universeel deep learning-kader dat gebruikmaakt van equivariante grafische neurale netwerken om nauwkeurig en efficiënt atomaire structuren te reconstrueren uit grofkorrelige modellen voor diverse chemische systemen.
Deze review bespreekt recente vooruitgang in het gebruik van atomaire moleculaire dynamica-simulaties om RNA-dynamica te karakteriseren, met name door middel van geavanceerde steekproeftechnieken en integratieve benaderingen, en schetst de opkomende rol van kunstmatige intelligentie in RNA-modellering.
Deze paper introduceert een algemeen framework voor optimalisatie tijdens de inferentie dat, door het optimaliseren van latente representaties en het combineren van priors van AlphaFold3 met krachtveld-gebaseerde priors, experimenteel onderbouwde en thermodynamisch plausibele proteïne-ensembles genereert die de prestaties van bestaande methoden overtreffen en een kwetsbaarheid in huidige designmetrics blootleggen.
FLOWR.root is een SE(3)-equivariant foundation model dat structure-bewuste 3D-ligandgeneratie en bindingsaffiniteitsvoorspelling combineert, waardoor het een krachtig en snel instrument biedt voor van hit-identificatie tot lead-optimatie in structurele geneesmiddelenontwerp.
Deze studie toont aan dat een statistisch mechanisch model, gebaseerd op *in vitro* bindingsenergieën van de transcriptiefactor Klf4, nauwkeurig de genomische bezetting van Klf4 in het menselijk genoom kan voorspellen zonder extra aanpassingsparameters.
Cryo-SWAN is een op wavelet-decompositie gebaseerde autoencoder die 3D-volumedichtheidskaarten, zoals cryo-EM-data, effectief comprimeert en reconstrueert door zowel globale geometrie als hoge-frequentie details te vastleggen, waardoor het een krachtig hulpmiddel wordt voor data-gedreven structurele biologie.