May, 2024

HMAMP：基于超体积的多目标抗菌肽设计

PDF
TL;DR通过考虑多个属性，提出了一种名为 HMAMP 的新颖方法，将强化学习和基于超体积最大化概念的梯度下降算法相结合，以实现多属性抗微生物肽的同时优化。该方法生成了一系列平衡多种属性的潜在抗微生物肽候选者，并确定了这些候选者的 Pareto 前沿中的关键点。实证结果证实，HMAMP 设计的抗微生物肽具有竞争性能和增强的多样性，而对十个潜在候选抗微生物肽的螺旋结构和分子动力学模拟的详细分析验证了 HMAMP 在多属性抗微生物肽设计领域的优越性。HMAMP 能够系统地设计考虑多个属性的抗微生物肽，标志着建立一个通用的计算框架，用于多目标抗微生物肽设计的开创性里程碑。
antimicrobial peptidesamp designhypervolume-driven multi-objective antimicrobial peptide designreinforcement learningmulti-objective design
发现论文，激发创造
  • 人工智能驱动的抗菌肽发现

    抗菌肽（AMP）和人工智能（AI）在抗菌耐药性方面有着巨大的潜力，提供了一种替代传统抗生素的方法。本文综述了 AI 驱动的 AMP 发现的最新成就，并强调了最激动人心的方向。

    Aug, 2023

  • 基于图形的主动机器学习方法用于生成和选择多样和新颖的抗菌肽

    本篇论文旨在利用一种基于机器学习的框架快速有效地筛选出新的抗菌肽，其中利用了基于循环神经网络和基于图形的过滤器，从而显著减少湿实验的次数和时间成本。

    Sep, 2022

  • MoFormer：基于条件 Transformer 和联合多模态融合描述的多目标抗菌肽生成

    利用深度学习优化多目标抗菌肽，通过多目标合成管道（MoFormer）在结构化潜空间中引导和改善抗菌肽序列的属性以提高抗菌活性和减少溶血，同时使用非支配排序算法和大模型微调的代理方法进行候选者的层次排名，通过分子模拟和可视化潜空间来追踪和优化肽的结构和功能，验证了多目标优化的有效手段。

    Jun, 2024

  • PepCVAE: 抗微生物肽序列的半监督目标设计

    本论文提出了基于半监督变分自编码器模型的 Peptide Generation Framework（PepCVAE），用于设计新型抗菌肽（AMP）序列，通过大量未标记的肽序列学习一种丰富的生物肽上下文的潜在空间，同时通过 AMP 分类器的反馈学习出一种分离的抗菌属性空间，生成的 AMP 序列表现优于标准 VAE，具有高度多样性，是下一代抗菌设计中非常理想的选择。

    Oct, 2018

  • AMPCliff: 抗微生物肽中活性断崖的定量定义和基准评估

    在这项研究中，我们介绍了一种用于定量化定义和评估抗菌肽中的活性悬崖现象的基准框架 (AMPCliff)，并发现机器学习模型在检测活性悬崖事件方面具有良好性能。

    Apr, 2024

  • MAMPS: 模型预测屏蔽在多智能体强化学习中的应用

    提出了一种多智能体模型预测屏蔽算法 (MAMPS)，用于处理复杂的多智能体机器人任务，通过备选策略来保证该问题的安全性，并在多智能体仿真环境中进行了验证。

    Oct, 2019

  • 内存近似消息传递

    提出了一种新的低成本迭代参数估计技术 - MAMP，通过长记忆匹配滤波器来抑制干扰并具有与 AMP 相媲美的复杂度，在所有右单位矩阵中，经过优化的 MAMP 收敛于 OAMP/VAMP，并因此成为最优贝叶斯估计。

    Jun, 2021

  • 抗体结构 - 序列共设计的分层训练方法

    我们提出了一种层次训练范式 (HTP) 用于抗体序列结构的联合设计，通过结合几何图神经网络和大规模蛋白质语言模型，从几何结构和抗体序列数据库中挖掘进化信息，以确定配体结合位姿和强度，并取得了目前的最优性能。

    Oct, 2023

  • 存储增压器

    本文提出了一种基于正交性原理的 MAMP 框架，其中包括一个用于干扰抑制的长记忆匹配滤波器，能够解决 AMP 和 BO-OAMP/VAMP 的缺陷，同时保证 BO-MAMP 的性能是渐近独立的同分布高斯分布，且其状态演化与高复杂度的 BO-OAMP/VAMP 的状态演化一致。

    Dec, 2020

  • 基于原则的神经网络压缩图像恢复：学习的 D-AMP

    通过借鉴稀疏信号恢复算法的思想并结合神经网络，提出了一种名为 LDAMP 的新网络结构，有效应用于各种测量矩阵中，并在图像恢复的准确性和运行时间方面优于现有算法。

    Apr, 2017