跳到正文
热点事件持续更新

StabilityArc提升跨蛋白稳定性预测

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

Aaron L. Feller、Andrew D. Ellington和Claus O. Wilke提出并评测StabilityArc；在覆盖134,794个ProteinGym变体的66次严格留一蛋白评估中，模型的Spearman相关系数为0.7134，高于ProSST-2048的0.6526，显示其跨蛋白预测突变稳定性效应的表现更强。 StabilityArc通过共享RoPE Transformer解码冻结的ESMC-600M残基表示，生成各氨基酸替换的稳定性效应矩阵，并加入接触感知残差以预测同时突变的上位性。研究者还将其分数作为Kermut先验；在三种监督切分方案中，相关系数达到0.8280，高于Kermut报告的0.8167。

AI 根据报道生成 · 2 小时前更新

最新进展10月16日 12:00
StabilityArc：将蛋白质序列嵌入解码为可泛化的稳定性景观

报道时间线

沿着报道，了解事件的不同侧面。

10月16日
  1. arXiv · Machine Learning
    StabilityArc：将蛋白质序列嵌入解码为可泛化的稳定性景观

    StabilityArc通过共享RoPE transformer解码冻结的ESMC-600M残基表示，跨蛋白预测突变稳定性效应。在66次严格留一蛋白评估、覆盖134,794个ProteinGym变体中，其Spearman相关系数达0.7134，高于ProSST-2048的0.6526。将该分数作为Kermut先验后，三种监督切分方案的相关系数达0.8280，高于Kermut报告的0.8167。

本事件热度走势

可比范围当前
7
可比范围峰值
810月16日 21:00
近 24 小时变化
–

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。