|
题目:深度学习方法在蛋白质稳定性、亲和力预测以及大模型在蛋白质设计应用的讨论班
时间:2023-06-23 上午9点-12点
地点:腾讯会议
讨论班汇报人:
后粤杰——1)大语言模型的前世今生——GPT系列 2)垂直领域的一些实践 3)交叉领域的运用现状——医疗、制造、机器人、基础学科
参考文献:
[1] Madani A, Krause B, Greene E R, et al. Large language models generate functional protein sequences across diverse families[J]. Nature Biotechnology, 2023: 1-8.
[2] Lin Z, Akin H, Rao R, et al. Evolutionary-scale prediction of atomic-level protein structure with a language model[J]. Science, 2023, 379(6637): 1123-1130.
[3] PBran A M, Cox S, White A D, et al. ChemCrow: Augmenting large-language models with chemistry tools[J]. arXiv preprint arXiv:2304.05376, 2023.
[4]Liu S, Zhu Y, Lu J, et al. A text-guided protein design framework[J]. arXiv preprint arXiv:2302.04611, 2023.
[5]Pandya A. ChatGPT-Enabled daVinci Surgical Robot Prototype: Advancements and Limitations[J]. 2023.
[6] Li C, Wong C, Zhang S, et al. LLaVA-Med: Training a Large Language-and-Vision Assistant for Biomedicine in One Day[J]. arXiv preprint arXiv:2306.00890, 2023.
余卓航—— 1)GraphDTAd模型背景及介绍 2)simCNN-DTA模型背景及介绍
参考文献:
[1] GraphDTA: predicting drug–target binding affinity with graph neural networks
[2] Prediction of drug–target binding afnity using similarity‑based convolutional neural network
刘伟——“基于氨基酸对(amino acid pair)位置编码的蛋白质-配体亲和力预测”,一种基于氨基酸对之间的位置编码与配体分子指纹应用在MLP网络的方法,对蛋白质-配体亲和力进行预测,展示出领先目前先进模型的能力。1)数据集介绍 2)氨基酸对位置编码 3)网络模型 4)与先进模型结果对比
参考文献:略
张守昌——1)蛋白质突变稳定性预测的方法 2)稳定性预测准确率与其他方法的对比 3)多肽拼接的应用
参考文献:
[1] Pancotti, Corrado, et al. "Predicting protein stability changes upon single-point mutation: a thorough comparison of the available tools on a new dataset." Briefings in Bioinformatics 23.2 (2022): bbab555.
[2] Lu, Hongyuan, et al. "Machine learning-aided engineering of hydrolases for PET depolymerization." Nature 604.7907 (2022): 662-667.
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 14:23
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社