Molence发布约束版Mol-1并公布评测
先了解这件事
Molence Bio 发布 Mol-1-constraint,称在给定参考表位或口袋输入时,该模型在 Foldbench 的抗体–抗原和蛋白–配体界面评测中,于标准与更严格两套标准下均领先五个受测模型。公司还称三项基准较 Mol-1 提升:FoldBench-AB(DockQ>0.23)成功率从75.0%升至88.3%,Runs N' Poses 0–20相似度区间从36.1%升至63.9%,MolBench-Peptide-26(DockQ>0.80)从54.1%升至60.2%。 该版本支持结合位点、特定接触和需回避区域三种约束方式;代码与权重已在 GitHub 开放,并提供平台试用入口。评测覆盖各模型共用的160个抗体–抗原界面和511个蛋白–配体界面,均带参考结合位点,以上结果均来自 Molence 自身说法。
AI 根据报道生成 · 5 天前更新
报道时间线
沿着报道,了解事件的不同侧面。
- Molence BioMolence 称 Mol-1-constraint 在 Foldbench 结合位点约束任务上领先五个受测模型
Molence 公布 Mol-1-constraint 在给定参考表位或口袋输入时的 Foldbench 评测结果,称其在标准与更严格两套标准下均领先五个受测模型。
- Molence BioMol-1-constraint 三项基准成功率提升
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)
- Molence BioMolence 发布 Mol-1-constraint,可用先验知识引导生物分子结构预测
Molence 发布 Mol-1-constraint,用于在生物分子结构预测中按先验知识引导结果。该版本支持结合位点、特定接触和需要回避的区域三种约束方式,代码与权重已在 GitHub 开放,并提供平台试用入口。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 1011月11日 16:00
- 近 24 小时变化
- -51%
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。