FoldScape：按折叠进度生成蛋白质构象系综的深度学习框架
热点事件持续更新
FoldScape：按折叠进度生成蛋白质构象系综的深度学习框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究人员在 arXiv 发布 FoldScape，一个序列条件化深度学习框架，可按指定折叠进度 Q 生成蛋白质构象系综，覆盖从未折叠态、中间态到天然态结构，推理时无需针对单个蛋白做分子动力学模拟。 该模型用约 10000 条蛋白序列的约 100 万个构象训练，训练数据结合了粗粒化折叠轨迹与全原子力学解折叠轨迹。论文称，在回转半径、天然接触比例 Q 和二级结构比例上的中位构象空间覆盖率分别达 0.989、0.722 和 0.877，高于 AlphaFold 3 种子变体的 0.05、0.05 和 0.10。
AI 根据报道生成 · 2 小时前更新
最新进展11月5日 13:00
FoldScape：从序列预测蛋白质折叠任一阶段的结构报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIFoldScape：从序列预测蛋白质折叠任一阶段的结构
arXiv 论文提出 FoldScape，一个按折叠进度 Q 生成蛋白质构象集合的序列条件深度学习框架。该模型用约 10000 条蛋白序列的约 100 万个构象训练，在半径回转、天然接触比例 Q 和二级结构比例上的中位构象空间覆盖率分别为 0.989、0.722、0.877，远高于 AlphaFold 3 种子变体的 0.05、0.05 和 0.10。
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。