跳到主要内容
检索

Universidade Nova de Lisboa

2 篇关联报道

订阅更新
  1. bioRxiv

    不用筛万亿条序列:MobGen 从头设计单体蛋白,结合新冠病毒 RBD 并中和 B.1

    针对病毒抗原的单体蛋白(monobody,源自人纤连蛋白 III 型结构域的小型结合蛋白)过去要靠噬菌体展示筛选含 3×1013 条随机序列的文库才能找到高亲和力结合体。MobGen 把 RFdiffusion、AlphaFold2 反向传播和 ProteinMPNN 串成一条计算流程,针对 SARS-CoV-2 B.1 株刺突蛋白受体结合域生成 11,450 条序列,从中筛出 7 个结合体,其中一个对 B.1 假病毒有微摩尔级中和活性;后续加 C 端尾把产量平均提高约 7 倍,结合亲和力做到 22.1 至 424.8 nM,但中和效力只到约 2 至 25 µM,且没有单体蛋白能中和所有测试变异株。

  2. arXiv

    HierSTT:面向急诊科需求的分层时空Transformer与跨层级一致性预测

    该工作提出HierSTT,一个端到端的分层Transformer框架,用Temporal Fusion Transformer建模国家级急诊需求、用时空Transformer编码器-解码器在国家级预测条件下生成区域与医院级预测,并以一致性感知损失惩罚跨层级不一致;同时发布覆盖葡萄牙81家医院、5个区域卫生管理局、含各层级异构协变量的全国急诊数据集,实验报告称相对最佳非分层深度学习基线平均WAPE降低32%,并优于经典分层调和方法,同时给出接近一致的跨层级预测。

已读完全部报道