-
超衍射极限1.5倍，成像条件低10倍，清华、中国科学院用AI法子提高显微镜分辨率
图示：通过 ZS-DeconvNet 对快速光敏生物历程进行长期 SR 成像。（来源：论文）编辑 | 萝卜皮计算超分辨率法子，包括传统的分析算法和深度进修模型，极大地改进了光学显微镜。其中，有监视深度神经收集表现出了出色的性能，但由于活细胞的高动态性，需要大量的高质量训练数据，而获得这些数据非常费力甚至不切实际。在最新的研讨中，清华大学和中国科学院的研讨人员开发了零样本反卷积收集（Zero-sho…- 7
- 0
-
展望配体-靶标对的分离亲和力，哈工大开发新SOTA药物表示模型
编辑 | 白菜叶了解配体-靶标对的份子间相互作用是指导优化癌症药物钻研的关键，这可以大大减轻湿实验室的负担。当前计算法子存在一些缺陷，限制了它们的实际应用。在这里，哈尔滨工业大学的钻研职员在此提出了 DrugMGR，这是一种深度多粒度药物表示模型，能够展望每个配体-靶标对的分离亲和力和地区。通过对配体复杂的自然体制和蛋白质高级特点的多粒度表示进修，DrugMGR 几乎在所有数据集上都显著优于当前最…- 6
- 0
-
AlphaFold 3 重磅问世，全面猜测蛋白质与所有性命份子相互作用及构造，准确性远超以往水平
编辑 | 萝卜皮自 2021 年发布强大的人工智能 (AI) 东西 AlphaFold2 以来，科学家们一直在运用蛋白质构造猜测模型来绘制细胞内各种蛋白质构造的图谱、发现药物，并绘制每种已知蛋白质相互作用的「宇宙图」。就在刚刚，Google DeepMind 发布了 AlphaFold3 模型，该模型能够对包括蛋白质、核酸、小份子、离子和修饰残基在内的复合物从事联合构造猜测。AlphaFold3 …- 6
- 0
-
深度进修与化学语言模型连系，用于药物重新设想，登Nature子刊
编辑 | X重新药物设想旨在从零开始生成具有一定化学和药理学特性的份子。近日，苏黎世联邦理工学院的化学家开发了一种新的计算机程序，可以根据蛋白质的三维表面快速、轻松地生成活性药物成分。研讨人员提出了一种使用鉴于相互作用组（interactome）的深度进修的计算办法，用于鉴于配体和布局的类药物份子生成。「这是药物发现的真正突破。」苏黎世联邦理工学院化学与使用生物科学系教授 Gisbert Schn…- 2
- 0
-
GPDRP：鉴于图 Transformer 和基因通路的药物反馈猜测多模态框架
编辑 | X在计算个性化医学领域，药物反馈猜测（DRP）是一个关键问题。但是，现有的钻研通常将药物描述为字符串，这种表示与份子的自然描述不符。此外，忽略了基因通路（pathway）特异性组合含义。近日，来自河南科技大学的钻研职员提出了鉴于药物图和基因通路的药物反馈猜测方法（GPDRP），这是一种新的多模态深度进修模型，用于猜测鉴于药物份子图和基因途径活性的药物反馈。在 GPDRP 中，药物由份子图…- 6
- 0
-
ICLR 2024领受率31％，清华LCM论文作者：讲个笑话，被拒了
你被拒了吗？ICLR 2024 国际进修表征会议已经来到了第十二届，将于今年 5 月 7 日 - 11 日在奥地利维也纳会展中心举行。在机械进修社区中，ICLR 是较为「年轻」的学术顶会，它由深度进修巨头、图灵奖获得者 Yoshua Bengio 和 Yann LeCun 牵头举行，2013 年才举行了第一届。不过 ICLR 很快获得学术研究者们的广泛认可，被认为是深度进修顶会。在 Google …- 41
- 0
-
浙大开发DeepSorption：大师学问共进修的晶态多孔质料吸附功能深度进修框架
编辑 | ScienceAI近日，浙江大学杭州国际科创中心生物与分子智造研究院邢华斌传授团队和陈华钧传授团队瞄准多孔吸附剂质料的精准智造，开发出大师学问共进修的晶态多孔质料吸附功能端对端深度进修框架 DeepSorption，有效提升多孔质料吸附功能的猜测精度与速度，并实行了原子标准的可解释性。这一成果以《Direct prediction of gas adsorption via spatia…- 5
- 0
-
将分解生物学与AI相结合，以无细胞方式寻找新抗生素
编辑 | 萝卜皮生物活性肽是健康和医学的关键分子。深度进修为生物活性肽的发明和安排带来了巨大的希望。然而，需要合适的实验办法来以高通量和低利润考证候选物。马克斯·普朗克陆地微生物研讨所（Max Planck Institute for Terrestrial Microbiology）的研讨团队建立了无细胞蛋白质分解（CFPS）管线，用于直接从 DNA 模板快速、廉价地消费抗菌肽 (AMP)。为了…- 4
- 0
-
稳健且准确，AlphaFold 结合两种 AI 步骤，实现蛋白质化学位移主动调配
编辑 | 绿萝化学位移调配对于鉴于核磁共振 (NMR) 的蛋白质构造、动力学和相互作用研讨至关重要，可提供重要的原子级见解。然而，获得化学位移调配是劳动密集型的并且需要大量的测量时间。为了解决这一限制，苏黎世联邦理工学院（ETH Zurich）的研讨职员之前提出了 ARTINA——一种用于主动调配二维 (2D)–4D NMR 谱的深度进修步骤。近日，研讨职员提出了一种将 ARTINA 与 Alph…- 6
- 0
-
可在数据限制下训练高维因果布局，德国DZNE团队提出一种深度神经架构
编辑 | 萝卜皮因果进修是科学人工智能的一个枢纽挑战，因为它使钻研职员能够超越纯粹的相关或预测分析，进修潜在的因果关系，这对于科学理解以及广泛的下游任务非常重要。受新兴生物医学题目的启发，德国神经退行性疾病中心（German Center for Neurodegenerative Diseases，DZNE）的钻研职员提出了一种深度神经架构，用于从高维数据和先验因果常识的组合中进修变量之间的因果…- 8
- 0
-
通过深度进修预测凝结光阴分岔
编辑 | 白菜叶许多自然和人造零碎都容易发生症结改变——静态方面的突然且可能具有破坏性的变化。深度进修分类器可以通过从大型模拟训练数据集中进修分叉的通用特征，为症结改变供给预警信号。到目前为止，分类器仅被训练来预测连续光阴分岔，忽略了凝结光阴分岔所特有的丰富静态。在这里，麦吉尔大学（McGill University）Thomas M. Bury 的研讨团队训练一个深度进修分类器，为余维一的五个局…- 7
- 0
-
战胜柯洁的深度进修，有大概取代设想师吗？
最近看到在「Baidu Create 2019」的百度 AI 交互设想论坛上，设想师分享了他们的最新成果：百度人工智能交互设想院与百度研究院商业智能实验室合作，鉴于百度自主研发、开源开放的深度进修框架飞桨（PaddlePaddle），让系统在每个模块组合形成的不同界面中找到最优解，在模型框架内给出任何一种设想，机器都能快速预测用户的偏好结果，设想师将以此为基础给出符合用户喜好与使用习惯的最佳解决方…- 5
- 0
-
面对人工智能和深度进修，安排师到底要如何自处？
一键生成广告、插画、布局、视觉稿，这样的手艺和产物在某种意义上几乎一经在我们眼前了。 建立一个真正称得上是拥有智能的体系，针对特定受众的需求来生成素材，理解人类的情感和语义中的潜台词，明白行为的概念和美的意义，这仍旧还太远。 不过，建立一个专门的深度进修体系，自动化的安排流程，不妨让安排师从一部分完全手动的工作中解放出来，这是完全可行的。 实际上一经有很多新兴的安排素材和安排对象在做这个事件了。 …- 6
- 0
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×