SPURS融合雙模型 準確預測蛋白突變穩定性
蛋白質穩定性變化預測,對疾病機制解析與蛋白工程至關重要,卻長期受制於數據偏倚與模型泛化不足。新發表的SPURS框架透過重構模型結構與大規模微調,把預測準確度推上新高。
為何難做
蛋白質穩定性通常以突變引起的熱力學變化衡量,是決定蛋白摺疊、功能與疾病相關性的核心因素。實驗手段如定向進化雖有效,但成本高昂、覆蓋有限;現有機器學習方法則受數據偏倚拖累。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
