预训练语言模型

上海交大&中山大学团队使用ESMFold、预训练语言模型以及Graph Transformer，进行蛋白质结合位点预测

编辑 | 萝卜皮识别蛋白质的功能位点，例如蛋白质、肽或其他生物成分的结合位点，对于理解相关的生物过程和药物设计至关重要。然而，现有的基于序列的方法的预测准确性有限，因为它们只考虑序列相邻的上下文特征并且缺乏结构信息。上海交通大学和中山大学的研究人员提出了 DeepProSite，用于利用蛋白质结构和序列信息来识别蛋白质结合位点。DeepProSite 首先从 ESMFold 生成蛋白质结构，并从预训练的语言模型生成序列表示。然后，它使用 Graph Transformer 并将结合位点预测制定为图节点分类。在预测蛋

12/29/2023 6:13:00 PM

ScienceAI

资讯热榜

DeepSeek-OCR：OCR 的新突破 Soul App开源播客语音合成模型，可流畅自然多轮语音对话，支持川粤豫等多方言与副语言风格最具争议性研究：大模型中间层输出可 100% 反推原始输入微软与OpenAI重塑联盟：2500亿美元Azure订单背后，OpenAI获“云自由”！奥特曼回应一切：重组后仍需微软支持，不相信OpenAI的欢迎做空 OpenAI推出两款全新的开源安全推理模型 DeepSeek-OCR：用视觉模态给长文本“瘦身”，大模型处理效率再突破如何理解：高效的异构算力调度是业界目前面临的一大难题？

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画大模型机器人数据 Midjourney 开源 Meta 微软智能 AI新词用户 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果腾讯 Claude Stable Diffusion 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人研究 AI视频大语言模型生成具身智能 Sora 工具 GPU 百度华为计算字节跳动 AI设计 AGI 大型语言模型搜索视频生成场景深度学习架构生成式AI DeepMind 编程视觉 Transformer 预测 AI模型 MCP 伟达亚马逊