هوش مصنوعی
ProteoCraft طراحی پروتئین را به مسئله‌ای برای جست‌وجو و ارزیابی تبدیل می‌کند
چارچوبی پیشنهادی در یک پیش‌چاپ arXiv از پیش‌بینی‌گرهای ساختار برای هدایت جست‌وجو در توالی‌های پروتئینی استفاده می‌کند و سپس توالی‌های حاصل را جداگانه ارزیابی می‌کند.
طراحی پروتئین‌هایی با برهم‌کنش‌های دلخواه دشوار است، زیرا بازشناسی مولکولی به ساختار پیچیدهٔ پروتئین‌ها وابستگی دارد. پژوهشگران در پیش‌چاپی با معرفی ProteoCraft، این کار را مسئلهٔ بهینه‌سازی جست‌وجو در فضای ترکیبی توالی‌ها می‌دانند؛ فضایی که ارزیابی ساختاری در آن پرهزینه است.
ProteoCraft از چارچوبی درخت‌مبنا بهره می‌برد. پیش‌بین‌های ساختار مبتنی بر diffusion گرادیان‌های ساختاری تقریبی فراهم می‌کنند تا مسیرهای جست‌وجو پیشنهاد شوند؛ سپس مدل‌های تاخوردگی، بدون استفاده از گرادیان، به توالی‌های حاصل امتیاز می‌دهند. به بیان نویسندگان، مرحلهٔ نخست نشان می‌دهد کجا جست‌وجو شود و مرحلهٔ دوم می‌سنجد کدام گزینه بهتر است. چکیدهٔ در دسترس جزئیات بیشتری دربارهٔ نتایج یا عملکرد این روش ارائه نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده