跳到主要内容
检索

Università Campus Bio-Medico

5 篇关联报道

订阅更新
  1. bioRxiv

    Fox 不再先建树:直接读宿主与共生体双份比对,推断比 ABC 基线快三个数量级以上

    宿主与共生体的共进化事件频率过去要先重建宿主树、再做树间调和,树推断误差会传进结果。Fox 改用 transformer 直接从宿主与共生体的两份多序列比对及其对应关系输出共物种形成、宿主转换、丢失和重复四类事件的相对频率,模拟成本只在训练时付一次,之后每个新系统一次前向计算即可。在独立模拟器 treeducken 上,Fox 在 AmoCoala 能完成的 92 个数据集上平均绝对误差为 0.060,AmoCoala 为 0.131,且 Fox 推断快三个数量级以上。

  2. researchsquare.com

    浮标波高数据不再只靠固定阈值:单侧时序模型把质量控制分成三级,跨站迁移平均二值F1达0.856

    巴西沿海浮标网络的有效波高观测现在可以由一个在线时序模型逐小时给出GOOD、SUSPECT、BAD三级质量标记,而不再只依赖按物理限值和变化率设定的固定阈值。该模型只用当前值及其之前168小时的历史做单侧判断,在六座浮标合并的受控故障测试集上二值F1为0.853,留一浮标迁移到未见站点的平均二值F1为0.856。在逐小时流式模拟中,突变、乘性异常和哨兵码在发生当小时即被检出,漂移与传感器卡死则要等证据累积后才被识别。

  3. arXiv

    检索增强的解剖引导让文本生成CT在保真度、临床一致性与空间可控性上同时超过纯文本基线

    该工作提出一种检索增强的文本到CT生成方法:给定放射学报告,用预训练3D视觉语言编码器从参考语料中检索语义最相近的病例,把该病例的解剖标注作为结构代理,经ControlNet分支注入文本条件潜扩散模型;在CT-RATE数据集(27,514例训练、1,818例测试)上,检索增强生成在图像保真度(FID 3D 0.004)、临床一致性(CT-Net AUC 0.787)和空间可控性(Dice 0.772、HD95 3.072)上均优于纯文本基线,并首次为这类方法带来显式空间可控性。

  4. bioRxiv

    LLMsFold:将大语言模型与生物物理模拟结合用于从头药物设计

    该工作提出 LLMsFold 计算框架,用几何方法识别靶蛋白结合口袋,由 Llama-3.3-70B 以 SMILES 字符串生成候选小分子,再用 Boltz-2 共折叠模型预测结合构象与亲和力并通过反馈循环迭代优化,在 ACVR1 与 CD19 两个靶点上得到通过成药性、合成可及性与新颖性筛选的候选分子,其中 ACVR1 候选预测亲和力概率达 0.953、预测 pIC50 约 10.72,CD19 Pocket 1 候选预测 pIC50 约 7.73。

  5. arXiv

    从对齐到合成:面向文本到CT生成的对比式体数据视觉语言接地

    该工作提出一个面向生成的3D-CLIP编码器,用仅在文本层面构造的结构化难负样本(属性感知负样本AAN与语义感知负样本SAN)在体数据编码器小批量约束下增强对比学习,并用其条件化一个直接在3D潜空间运行的端到端潜扩散模型,在CT-RATE的18种病理上取得更低的FID、更高的病理分类AUC与精确率,以及更快的推理速度和更低的显存占用。

已读完全部报道