PDZ结合肽设计换到共享潜空间:同一模型不重训,也能按脱靶与双靶目标搜索
PDZ结合基序(PBM)是蛋白末端十几个残基的短序列,能决定蛋白与哪些PDZ结构域结合。此前按亲和力设计PBM通常要为每个结构域单独建模,难以同时兼顾脱靶。该工作把PDZ与PBM编码进同一128维单位球面,用余弦相似度预测pKd,并把单靶、靶–脱靶差、双靶均值三种目标写成球面上的方向;在DLG4-PDZ3的4位重设计中,前100个候选中84个落入已发表突变库实测适应度前1%,对照方法为64个。
PDZ结合基序(PBM)是蛋白末端十几个残基的短序列,能决定蛋白与哪些PDZ结构域结合。此前按亲和力设计PBM通常要为每个结构域单独建模,难以同时兼顾脱靶。该工作把PDZ与PBM编码进同一128维单位球面,用余弦相似度预测pKd,并把单靶、靶–脱靶差、双靶均值三种目标写成球面上的方向;在DLG4-PDZ3的4位重设计中,前100个候选中84个落入已发表突变库实测适应度前1%,对照方法为64个。
图形界面智能体的安全风险可能不在屏幕上,而在产生这张屏幕的转场里:同一张凭证页既可能是点击“登录”后的正常结果,也可能是点击“查看订单”后的劫持结果。LGWM 不渲染下一屏,而是直接在观测编码空间预测下一屏的表示,把校验变成一次向量比较;在每对凭证页像素完全相同的 RSWT-Bench 上,免训练的一致性分数达到 0.987 AUC,单次判定 17 毫秒,与最强闭源视觉语言模型同档,并比生成式 GUI 世界模型高约十个 AUC 点。
一个由大语言模型智能体分工协作的自主实验室,在金刚石氮-空位色心自旋系综上研究“预测任意相位控制微波脉冲序列响应所需的最少校准次数”。主智能体把原先91次的上界收紧为10次的精确最小值;首次实验虽满足全部十项预设精度判据,却因相位与参考对照失败被判为不确定,智能体在不放宽判据的前提下修改采集协议,最终测量支持理论预测,而两种插值方法预测为零。
该工作先验证语音-文本对齐只能弱预测下游声学相似度,随后提出语音奖励风格规划(SRSP):以冻结TTS模型对目标语音token的教师强制似然为奖励,用GRPO训练文本风格规划器;在ISCSLP 2026 CoT-TTS语料英文子集上,SRSP在五项下游声学指标上优于Base LLM与可访问目标音频的标注基线,并在LLM评判中获得更高的上下文恰当性与参考一致性。
该研究将相位-幅值约简与非线性机器学习稀疏传感器重构结合,仅用三个翼面传感器估计相位与幅值敏感度场,并据此解析导出最优激励波形,用于快速同步后失速翼型尾迹脱落频率;所得最优强迫使尾迹频率改变速度比标准正弦激励快八倍,且带幅值惩罚的波形相比无幅值惩罚的最优波形抑制了升力系数波动。
该研究在固定玻尔兹曼机模型、模拟退火采样器与学习率设计的受控协议下比较 Ising({−1,+1})与 QUBO({0,1})两种变量编码,利用 Fisher 信息矩阵等于充分统计量协方差这一恒等式可视化经验矩,发现 QUBO 在一阶与二阶统计量之间产生更大的交叉项,使 Fisher 信息矩阵出现更多小特征值方向并降低谱熵,从而解释了随机梯度下降下 QUBO 收敛更慢,而按 Fisher 信息矩阵度量重标定更新的自然梯度下降因重参数化不变性使两种编码收敛相近。
该工作提出 Unite-Audio,将连续音频表征学习与潜在流匹配联合训练用于文本到音频生成,通过把重建与自监督生成预测耦合,让生成目标直接塑造潜在空间,并采用 Flow-GRPO 后训练改善文本条件生成;实验显示紧凑的潜在流模型取得有竞争力的文本到音频性能,消融研究确认联合学习音频表征与生成模型带来收益。
该研究基于Mayo Clinic脑库1998至2023年间5,613例尸检病例,用微调大语言模型将叙述性大体描述转为39个特征的半定量评分(在200个手工标注特征级测试样本中提取准确率为0.95),再分别以CatBoost分类器和第二个微调大语言模型结合死亡年龄、性别与脑重进行七类神经病理诊断分类,在562例留出测试集上CatBoost准确率0.73、kappa 0.65、宏平均AUC 0.92,文本模型准确率0.75、kappa 0.68,两者宏平均敏感度均为0.66,其中进行性核上性麻痹敏感度分别为0.92与0.93、多系统萎缩为0.87与0.92,而AD与LBD合并类别仅为0.21与0.03,特
已读完全部报道