SMFNet 等序列模型新进展：解码转录因子组装的单分子规律
anshulkundaje · x · 2026-11-06
Anshul Kundaje 组转发并汇总了两项用序列模型处理单分子数据的新工作：
- SMFNet（EMBL Heidelberg Krebs 组 × Stanford Kundaje 组，bioRxiv 预印本）：用序列模型揭示转录因子在 DNA 上组合式组装的规律，作者包括 Till Schwämmle、Nathaniel Diamant 等。
- ChAI-Net：Katie Pollard 组与 Vijay Ramani 组合作的另一项单分子序列模型工作。
两篇都属于将深度序列建模应用于单分子实验数据（如单分子荧光成像）的 AI for Science 方向，对研究基因组调控的读者有参考价值。
所属事件:斯坦福与 EMBL 发布 SMFNet，扩散模型预测染色质可及性(3 条相关)→
「研究」频道最新
- 斯坦福论文提出本地差分隐私水印,让 AI 水印不再侵犯个体隐私 — ChengleiSi · 2026-11-06
- 斯坦福博士 JulieKallini 谈 ACL 2024 最佳论文：模型能否学会人类学不会的语言 — ChrisGPotts · 2026-11-06
- Exo 论文:让 Agent 在干活时自我改进 harness,成本降 12-82% — sarahcat21 · 2026-11-06
- 研究实测：LLM 发现上下文矛盾 73%，却 0% 主动告知用户 — rseroter · 2026-11-06
- Science's Last Exam 发布：8 个前沿模型端到端科研全部得 0 分 — anshulkundaje · 2026-11-06
- 《Tokenizer Myths and Where To Find Them》：三大 tokenizer 迷思逐条击破 — rohanpaul_ai · 2026-11-06