MIT 新框架 PottsMPNN 突破蛋白质设计瓶颈
MIT News AI · rss · 2026-08-28
MIT 生物系开发了一种名为 PottsMPNN 的新型机器学习框架,旨在改进蛋白质设计。传统方法常局限于模仿自然序列,而 PottsMPNN 结合了控制蛋白质结构和稳定性的物理原理,通过引入“噪声”增加结构多样性,并利用成对分布捕捉氨基酸间相互作用。该模型在理解“序列-能量”景观方面表现更佳,能够设计出结构可行且不依赖原生序列的新型蛋白质,为生物工程应用提供了更强的基础。
「研究」频道最新
- 斯坦福发布科研智能体基准 TB-Science，Claude Opus 5 仅过 30% — ajratner · 2026-08-28
- 分享一张极其清晰的 GDN 架构图 — stochasticchasm · 2026-08-28
- Terminal-Bench-Science 细节：定义下一代科学编码 Agent — ajratner · 2026-08-28
- 研究称密集奖励能突破后训练天花板，稀疏奖励失效 — joecole · 2026-08-28
- 小规模复现大模型训练不稳定：学习率敏感度研究 — stochasticchasm · 2026-08-28
- MLC 模型评估是否算双盲实验？业界存疑 — BlancheMinerva · 2026-08-28