Molence· @MolenceBio · X·· 14 天前AI 评分49
AI 导读
Molence Bio 的 Mol-1 在 MolBench-AB-26 上表明,增加推理算力能提升抗体–抗原预测:采样种子从 1 增至 100,mean DockQ 从 0.359 升至 0.463。
正文 · AI 翻译
🧬 Mol-1 将额外的推理算力转化为更好的抗体-抗原预测。
两种互补的扩展方式:采样更多候选,以及更深入地精炼。
在 MolBench-AB-26 上:
📈 更多采样:将种子数从 1 增加到 100,平均 DockQ 从 0.359 提升至 0.463,且预测质量在 100 个种子范围内持续改善。
🔄 更深入的精炼:在固定的 5 种子预算下,将循环次数从 10 → 20 → 30 增加,成功率从 53.5% → 57.3% → 58.7% 提升。
⚡ 更好的采样效率:30 循环 × 5 种子达到 58.64% 的成功率,而 10 循环 × 40 种子为 58.69%——精度相当,种子数减少 8 倍。
Mol-1 为研究人员提供了两种实用方法,将推理算力转化为更强的分子预测。
代码与权重:https://github.com/molence/Mol-1
#AIforScience #ProteinStructure
来源:Molence · x.com