enFoldX 从 AF3 ensemble 提取 106 个界面特征
quaidmorris · x · 2026-07-22
enFoldX 的方法：把 AF3 ensemble 变成 106 个特征
这条帖更具体地解释了方法流程：
- 先用 10 个 seed × 5 个 sample 生成结构 ensemble；
- 对每个预测提取 106 个结构、置信度和生物物理特征；
- 重点关注 TCR:pMHC interface 和 peptide–CDR3 contacts；
- 再把每个特征在 ensemble 上的 均值 和 标准差 一起汇总。
核心思路是：不把 AF3 的不确定性当噪声丢掉，而是直接拿来做分类信号。
所属事件:enFoldX：将AlphaFold3结构噪声转化为TCR识别信号(11 条相关)→
「研究」频道最新
- AW-0 机器人模型实测:RoboTwin 50 项任务成功率 80.8% 远超基线 — trevordarrell · 2026-10-27
- UC伯克利联合 NVIDIA 发布 AW-0:真实机器人操控成功率 71.1 分远超基线 — trevordarrell · 2026-10-27
- AW-0 用代码流改变世界模型预测:同一指令下精准选中目标物体 — trevordarrell · 2026-10-27
- AW-0 发布:代码+视频+动作三专家联合生成的智能体世界动作模型 — trevordarrell · 2026-10-27
- AW-0 训练配方:3000 小时演示蒸馏出 50 个可复用技能程序 — trevordarrell · 2026-10-27
- AW-0 世界动作模型发布：一个生成式模型同时管规划、预测与控制 — trevordarrell · 2026-10-27