EquiDesign蛋白质逆折叠框架发布
热点事件持续更新
EquiDesign蛋白质逆折叠框架发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队提出并发布蛋白质逆折叠框架 EquiDesign,用于由目标三维构象设计氨基酸序列。该框架采用多步 Equiformer 增强架构,将几何特征拆分为不变标量与等变向量,通过空间 K 近邻图和几何注意力分层融合多尺度上下文,并在消息传递中保留骨架方向拓扑。 团队称,基准测试显示 EquiDesign 在标准与更具挑战性的测试集上序列恢复率优于现有方法;生成序列在结构保真度、折叠稳定性和序列多样性上表现良好,并称已通过针对训练集记忆、组成偏好和物理能量景观的对照实验及定向多样性采样加以验证。上述效果均为作者报告。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 03:30
EquiDesign:面向从头蛋白序列设计的等变深度学习框架报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- Briefings in BioinformaticsEquiDesign:面向从头蛋白序列设计的等变深度学习框架
研究团队提出 EquiDesign,一个用于蛋白质逆折叠(由目标三维构象设计氨基酸序列)的深度学习框架,采用多步 Equiformer 增强架构。该方法把几何特征拆分为不变标量与等变向量,通过空间 K 近邻图构建和几何注意力机制分层融合多尺度上下文信息,在消息传递中保留蛋白骨架的方向拓扑。基准测试显示,EquiDesign 在标准与更具挑战性的测试集上序列恢复率优于现有方法;生成序列在结构保真度、折叠稳定性和序列多样性上表现良好,并通过针对训练集记忆、组成偏好和物理能量景观的对照实验以及定向多样性采样加以验证。作者将其定位为基于 SE(3) 等变编码和多尺度几何注意力的可扩展逆折叠方案。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。