DynamicsPLM:35M参数蛋白语言模型
事件历史事件
DynamicsPLM:35M参数蛋白语言模型
1 篇报道1 个报道来源4 天前更新
先了解这件事
AI 综述
Dao等作者提出35M参数的蛋白质语言模型DynamicsPLM,通过第二阶段多任务持续预训练融合序列进化与分子动力学信息,仅凭序列零样本预测突变效应。 论文称,模型在逾6万个蛋白质上训练,在ProteinGym和Tsuboyama折叠稳定性数据集上取得100M参数以下模型中的领先准确率,并可匹配或超过若干十亿级序列模型。代码与训练配置已在GitHub公开。
AI 根据报道生成 · 3 天前更新
最新进展11月13日 08:00
DynamicsPLM:用分子动力学增强 35M 参数蛋白质语言模型预测变异效应报道时间线
沿着报道,了解事件的不同侧面。
11月13日
- bioRxivDynamicsPLM:用分子动力学增强 35M 参数蛋白质语言模型预测变异效应
研究提出 DynamicsPLM,一个 35M 参数的小型蛋白质语言模型,通过第二阶段多任务持续预训练融合序列进化与分子动力学信息,用于仅凭序列零样本预测突变效应。模型在超过 60,000 个蛋白质上训练,在 ProteinGym 和 Tsuboyama 折叠稳定性数据集上取得 100M 参数以下模型中的领先准确率,并可匹配或超过若干十亿级序列模型。代码与训练配置已在 GitHub 公开。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 511月14日 08:00
- 近 24 小时变化
- –
0246
12:0018:0011月15日06:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。