LSCO用于潜在空间密码子优化
热点事件持续更新
LSCO用于潜在空间密码子优化
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Alberto Caron等研究者提出LSCO，将密码子优化从离散序列搜索转为预训练mRNA语言模型潜在空间中的连续搜索，并用梯度引导优化蛋白质表达；论文称，该方法在真实世界的湿实验抗体表达数据集上，预测表达优于基于频率的方法和现代深度生成基线，同时保持合适的生物物理性质。 这一结论针对上述数据集和预测表达指标，报道未将其表述为已在实验中证实蛋白表达实际提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
LSCO：预测器引导的潜在空间密码子优化以最大化蛋白表达报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv · Machine LearningLSCO：预测器引导的潜在空间密码子优化以最大化蛋白表达
研究团队提出 Latent-Space Codon Optimization（LSCO），将离散密码子优化映射到预训练 mRNA 语言模型的连续潜在空间，以进行梯度搜索。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月22日 21:00
- 近 24 小时变化
- –
02468
21:0022:0023:00
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。