Molence· @MolenceBio · X·· 5 天前AI 评分44
AI 导读
与热门开源 cofolding 模型进行基准对比:Mol-1-constraint 取得: 🧬 抗体–抗原:在 FoldBench-AB(DockQ >0.23)上,从 Mol-1 到 Mol-1-constraint,成功率 75.0% → 88.3%。 💊 蛋白质–配体:在 Runs N' Poses 的 0–20 相似度区间上为 36.1% → 63.9%,比 Mol-1 高出 27.8 个百分点! 📈 蛋白质–多肽:在 MolBench-Peptide-26 上,DockQ>0.80 的成功率从 54.1% 提升至 60.2%。 (2/3)
正文 · AI 翻译
与流行的开源共折叠模型进行基准测试:Mol-1-constraint 取得:
🧬 抗体–抗原:在 FoldBench-AB 上(DockQ >0.23),成功率从 Mol-1 的 75.0% 提升至 88.3%。
💊 蛋白质–配体:在 Runs N' Poses' 0–20 相似度区间上从 36.1% 提升至 63.9%,比 Mol-1 高出 27.8 个百分点!
📈 蛋白质–肽:在 MolBench-Peptide-26 上,DockQ>0.80 的成功率从 54.1% 提升至 60.2%。
(2/3)
来源:Molence · x.com