跳到主要内容
检索

Technical University of Munich

28 篇关联报道

订阅更新
  1. bioRxiv

    从零设计连接酶把泛素挂到指定赖氨酸:PCNA第164位在45个旁位赖氨酸中仍被选中

    研究团队用RFdiffusion3从零设计出以半胱氨酸催化三联体为核心的泛素连接酶,把活化的泛素供体直接接到目标蛋白选定的赖氨酸上。在含单一赖氨酸的19残基模型肽上,48个设计中有35个表现出可测的泛素化活性,其中4个在未做实验优化时接近定量转化。换到同源三聚体PCNA后,48个设计里只有4个有活性,其中PL4只修饰K164;再引入单个N148A替换后,PL4.1在3小时内把90%的PCNA转化为泛素化产物。

  2. 细胞多模态基础模型不再只求对齐:新指标显示,只有跨模态互补才值得融合

    细胞多模态基础模型通常冻结各模态编码器,只训练一个融合接口,但融合是否真的带来单模态之外的信息一直缺少判据。研究者提出协同信息分数(SIS),以线性探针下融合表示相对最强单模态表示的性能增益来度量可及协同。在肺、胸腺、乳腺三套空间转录组数据上,冗余主导的任务里单模态基线已足够,而分辨率不匹配的胸腺任务中非谱融合方法取得更高SIS。

  3. bioRxiv

    REXzyme 把化学反应当源语言翻译成酶序列,甲酸脱氢酶设计 C20 比活达野生型 2.5 倍

    酶工程长期依赖定向进化,单点突变中只有不到 5% 有益,却要筛选成千上万个变体。REXzyme 把酶设计改写成一个翻译任务:编码器读入以 SMILES 书写的反应,解码器逐字生成氨基酸序列,模型在约 2100 万对反应—酶序列上训练。针对甲酸脱氢酶催化二氧化碳还原这一逆向反应,经家族特异微调和强化学习对齐后生成的 20 个设计全部可溶表达并具还原活性,其中 C20 的比活达到 80.8 mU/mg,为野生型 CtFDH 的 2.5 倍。

  4. bioRxiv

    质谱测序不再只靠谱图:PepPr把参考蛋白组当先验,九物种召回中位提升15.8个百分点

    PepPr把参考蛋白组训练出的肽段语言模型作为先验,在自回归解码的每一步与谱图证据融合,而不是只在事后修正结果。在九个物种数据集上,以Casanovo为基座时肽段召回中位提升15.8个百分点,九个物种全部改善;在单氨基酸变异与抗体数据上,变异识别没有被压制,跨可变区—恒定区边界的肽段召回从0.23升到0.68。

  5. researchsquare.com

    分子生成器学会“反向微调”:SemlaFlow 把含不良基序的分子占比从31.1%压到2.2%

    分子生成器常会产出反应性、金属结合、带电或干扰检测的基序,而“不含某基序”的分子在化学空间里分布很散,难以当作一个正类来学习。负外推(NE)改为在含目标基序的分子上微调,再把得到的权重更新反向施加,从而直接削弱该基序。在三维流匹配生成器 SemlaFlow 上,标准 NE 把含任一目标基序的有效分子比例从31.1%降到5.3%,却把 RDKit 有效图产率从93.9%降到65.9%;加入由无基序分子学到的修正方向后,基序比例降到2.2%,有效图产率回到88.3%,固定采样预算下的三维可用产率从60.0%升到80.8%。

  6. bioRxiv

    细胞命运也能反向设计:LabCompass四轮实验把红系祖细胞比例推到22%

    培养条件的组合与剂量是连续变量,逐一试遍不现实,此前只能从固定候选清单里挑选或做离散搜索。LabCompass把流匹配生成模型与预测细胞表型的前向代理模型耦合,在推理阶段用代理模型的梯度把采样引向能产生目标细胞状态的配方。在脐带血CD34+原代细胞上,四轮实验闭环共产生7800万细胞的谱流式数据,模型在未见过的条件下找回已知的巨核细胞诱导配方,并把红系祖细胞比例提高到22%,约为对照条件的1.6倍。

  7. bioRxiv

    空间转录组不必先划区:慢性应激模型里差异基因多检出45.8%,注意力图同时标出位置

    多受试者空间转录组比较通常要先把组织划成解剖区域或聚类,再在固定区域内做差异表达检验,定位与检验因此分开。SpaceDX 改为在检验的同时为每个基因学习一组空间注意力权重,把各点的表达加权成伪批量,再放进分层贝叶斯逻辑回归做受试者层面的关联检验。在19只应激与19只对照小鼠的慢性社会挫败应激数据上,5%经验FDR下检出175个差异基因,比区域DESeq2的120个多45.8%;在阿尔茨海默病模型上两者单独检出数相近,合并后比单用DESeq2多19.1%。

  8. 阿尔茨海默病分类模型不再把年龄当捷径:残差化去偏让认知正常与轻度认知障碍组的年龄相关性接近零

    在三个独立队列的结构MRI上,阿尔茨海默病分类模型会把年龄当作捷径:年龄越大,被赋予的患病风险越高。把年龄效应在特征空间里做线性残差化(PMDN)后,认知正常与轻度认知障碍组的年龄—预测相关性降到接近零,平衡准确率0.71、Brier分数约0.22,且折间波动明显小于对抗训练方案CF-Net。事后校准进一步压低概率误差,但等渗回归与贝叶斯分箱这类非参数方法效果最好。

  9. arXiv

    决策模型把单步成本砍掉七成,任务却未必更快完成:五个智能体、4500次执行给出的分界

    把智能体的动作选择换成Jev这类快速决策模型后,单步决策成本降了66.1%到78.4%、耗时降了73.9%到81.5%,但在ALFWorld上任务成功率基本持平、在两个移动端智能体上明显下滑,说明省下的钱不一定变成交付出去的成功任务。

  10. npj Precision Oncology

    标准流程判为PTEN野生型的样本里,模型又找出33例缺失,其中75%染色证实蛋白丢失

    德累斯顿大学肿瘤中心在MASTERsg精准肿瘤项目中用梯度提升模型重读TSO500 panel测序的拷贝数原始分箱数据,专门找被标准流程漏掉的PTEN局灶缺失。TSO500按基因内分箱读数取平均,局灶事件达不到倍数变化阈值;模型在204例被判为PTEN野生型的样本中报出33例缺失,其中20例有组织可染色,15例显示PTEN蛋白缺失或明显降低。