XiaoMi-AI文件搜索系统
World File Search SystemFold
JRSEEK：人工智能符合病毒中的果冻roll折叠分类
jrseek：人工智能在病毒中遇到果冻卷折叠分类，杰森·E·桑切斯（Jason E. Sanchez）1，温汉·朱2（Wenhan Guo 2），丘奇安格李3，林李3 *，chuan xiao 2 * 1计算科学系，德克萨斯大学El Paso，El Paso，El Paso，El Paso，TX 2德克萨斯大学埃尔帕索分校的物理学，德克萨斯州埃尔帕索 *通信：电子邮件：lli5@utep.edu; cxiao@utep.edu关键字病毒；人工智能;机器学习；果冻卷；病毒结构摘要果冻卷（JR）折叠是病毒的衣壳和核蛋白质中发现的最常见的结构基序。其在许多不同病毒家族的动机中的普遍性开发了一种工具来预测其从序列中的存在。在当前的工作中，在六个不同的大语模型（LLM）嵌入训练的逻辑回归（LR）模型在将JR与非JR序列区分开时表现出超过95％的精度。用于训练和测试的数据集包括来自单个JR病毒，非JR病毒和非病毒免疫球蛋白样β-三明治（IGLBS）蛋白的序列，这些蛋白与JR结构上非常相似。鉴于病毒家族之间的低序列相似性和数据集的平衡性质，高精度尤其显着。同样，模型的准确性与LLM嵌入无关，这表明预测病毒JR折叠的峰精度更多地取决于数据质量和数量，而不是使用所使用的特定数学模型。鉴于许多病毒式衣壳和核素结构尚未解决，因此使用基于序列的LLMS是一种有前途的策略，可以轻松地应用于可用数据。Bert-U100嵌入的主成分分析表明，大多数IGLBS序列和JR和非JR序列的一个子集甚至在应用LR模型之前也可以区分，但是LR模型对于区分更歧义序列的子集是必要的。应用于双JR折叠时，BERT-U100模型能够为某些病毒家族分配JR图案，从而提供了该模型可推广性的证据。对于其他家庭而言，没有观察到这种概括性，激发了未来开发以双JR折叠告知的其他模型的需求。最后，BERT-U100模型还能够预测未分类病毒数据集中的序列是否产生JR倍数。给出了两个示例，JR预测由AlphaFold3证实。总的来说，这项工作表明JR折叠可以从其序列中预测。
针对核糖体蛋白质折叠活性的抗朊病毒药物可减少 PABPN1 聚集
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
评估生成扩散模型，以增强范围和全原子分辨率的折叠和无序蛋白质态采样
图2：基于扭转角的主成分分析（PCA），TRP型栅格和α-突触核蛋白的自由能表面（FES）。（a）和（d）分别沿TRP-CAGE和α-类核蛋白的整个分子动力学（MD）模拟数据集沿第一个两个主要成分（PC-1和PC-2）显示了2D FES图。（b）和（e）使用仿真数据的子集描绘了FES图，相当于TRP -cage的总数据的10％，而α-突触核蛋白的50％。与完整数据集相比，这些子集突出了采样自由能表面的稀疏性。（c）和（f）介绍了由DDPM训练的模型产生的FES图，这些模型在还原的子集上进行了训练。值得注意的是，DDPM生成的FES图与完整数据集的FES相似，并有效地采样了（b）和（e）中观察到的稀疏区域。
通过细胞中的人类陶氏病患者样品产生异质原纤维，并采用疾病褶皱的亚种群
1化学与生物化学系，加利福尼亚州圣塔芭芭拉分校，圣塔芭芭拉分校，美国加利福尼亚州93105。2西北大学化学系，埃文斯顿，60208，伊利诺伊州，美国。3马萨诸塞州阿默斯特大学阿默斯特大学生物学系和应用生命科学研究所，美国马萨诸塞州01003。4伊萨卡康奈尔大学系统工程系，美国纽约州14853，美国。5分子，蜂窝和发育生物学系，加利福尼亚州圣塔芭芭拉分校，圣塔芭芭拉，93105，美国加利福尼亚州。6加利福尼亚大学圣塔芭芭拉分校的心理与脑科学系，美国加利福尼亚州93105，美国加利福尼亚州。 7化学工程系，加利福尼亚大学圣塔芭芭拉分校，圣塔芭芭拉，93105，美国加利福尼亚州。 8 ACERT（国家生物医学高级技术中心），化学与化学生物学系，康奈尔大学，伊萨卡，14853，纽约，美国。 9微生物学系，免疫学和病理学系，科罗拉多州立大学，柯林斯堡，80521，美国公司。6加利福尼亚大学圣塔芭芭拉分校的心理与脑科学系，美国加利福尼亚州93105，美国加利福尼亚州。7化学工程系，加利福尼亚大学圣塔芭芭拉分校，圣塔芭芭拉，93105，美国加利福尼亚州。 8 ACERT（国家生物医学高级技术中心），化学与化学生物学系，康奈尔大学，伊萨卡，14853，纽约，美国。 9微生物学系，免疫学和病理学系，科罗拉多州立大学，柯林斯堡，80521，美国公司。7化学工程系，加利福尼亚大学圣塔芭芭拉分校，圣塔芭芭拉，93105，美国加利福尼亚州。8 ACERT（国家生物医学高级技术中心），化学与化学生物学系，康奈尔大学，伊萨卡，14853，纽约，美国。 9微生物学系，免疫学和病理学系，科罗拉多州立大学，柯林斯堡，80521，美国公司。8 ACERT（国家生物医学高级技术中心），化学与化学生物学系，康奈尔大学，伊萨卡，14853，纽约，美国。9微生物学系，免疫学和病理学系，科罗拉多州立大学，柯林斯堡，80521，美国公司。9微生物学系，免疫学和病理学系，科罗拉多州立大学，柯林斯堡，80521，美国公司。
HelixFold3的技术报告用于生物分子结构预测
AlphaFold系列以明显的精度（通常与实验方法匹配）转化了蛋白质结构的预测。alphafold2，Alphafold-Multimer和最新的AlphaFold3在预测单蛋白链，蛋白质复合物和生物分子结构方面取得了显着的进步。虽然Alphafold2和Alphafold-Multimer是开源的，可以促进快速可靠的预测，但Alphafold3仍然可以通过有限的在线服务器部分访问，并且尚未开源，从而限制了进一步的开发。为了应对这些挑战，PaddleHelix团队正在开发HelixFold3，旨在复制Alphafold3的功能。利用先前模型和广泛数据集的见解，HelixFold3在预测常规配体，核酸和蛋白质的结构方面达到了与Alphafold3相当的精度。HelixFold3的最初发布可作为GitHub的开源供学术研究，有望推进生物分子研究并加速发现。最新版本将在HelixFold3 Web服务器上不断更新，从而提供交互式可视化和API访问。
yds-ternoplex：超过分子胶介导的三元复合物预测的Alphafold 3型模型
分子胶代表了一种创新的药物类别，可实现以前不可能的蛋白质蛋白质相互作用，但是它们的理性设计仍然具有挑战性，这一问题准确的三元复合物建模可以显着解决。在这里，我们提出了YDS-Ternoplex，这是一种新型的计算方法，可以通过在推断过程中纳入增强的采样电感偏置来准确预测分子胶水介导的三元复合物结构，从而增强AlphaFold 3型模型。我们在五种不同的测试用例中展示了YDS-andOplex的功能，包括基于E3连接酶的系统（VHL：CDO1和CRBN复合物，具有MTOR-FRB，NEK7和VAV1-SH3C）和非E3连接酶复合物（FKBP12：MTOR-FRB）。与实验结构相比，该模型的RMSD值低至1.303Å，可实现出色的准确性，并成功预测了训练数据中不存在的新型蛋白质蛋白接口。值得注意的是，在FKBP12：MTOR-FRB情况下，YDS-Ternoplex正确预测了一种新颖的接口配置，而不是默认为训练数据中存在的已知相互作用，表明了强大的概括能力。我们的结果表明，通过电感偏差对推理过程的战略增强可以显着提高三元复合物预测的准确性，从而有可能加速以前不可用靶标的分子胶治疗剂的发展。
Superwool Prime Pyro-折叠和堆叠模块
Superwool Prime Pyro-Fold 和 Pyro-Stack 模块不含粘合剂或润滑剂，在首次烧制时不会散发任何烟雾或气味。这些模块具有 M 型或 T 型模块硬件。T 型模块包含两个不锈钢管，横向安装在模块中，远离热面。T 型模块用外部侧固定轭固定。M 型模块硬件设计为在模块中嵌入中央轭，并安装在预焊螺柱上。
Pyro-Stack 和 Pyro-Fold Cerachem - 模块
Pyro-Fold 和 Pyro-Stack 模块采用 Cerablanket（一种高纯度的氧化铝和二氧化硅氧化物，分类温度为 1260°C (2300°F)）制成，而采用 Cerachem Blankets 的模块则采用氧化铝-二氧化硅-氧化锆制成，旨在抵抗高温下的过度收缩，额定温度为 1430°C (2600°F)。这些模块可在各种应用中最有效地部署卓越的热特性，并能抵抗大多数类型的化学侵蚀。它们重量轻、强度高，具有低储热能力，可有效节省能源，并具有出色的抗热震性，可用于恶劣环境。
折叠方案带有隐私保存选择性验证
摘要。折叠方案是一个令人兴奋的新原始性，它改变了执行多个零知识的知识证明以建立关系的任务，以仅执行一个零知识证明，以进行相同的关系，并进行许多廉价的包容性证明。最近，折叠方案已被用来摊销与具有各种应用程序的多个不同验证者证明不同陈述相关的成本。我们观察到，对于这些用途，泄漏有关折叠的陈述的信息可能是有问题的，但是以前的构造会发生这种情况。为解决此问题，我们对保留折叠计划的隐私及其应提供的安全性提供了自然的定义。为了构建保留折叠方案的隐私，我们首先定义了声明hiders，这是一种可能具有独立感兴趣的原始性。简而言之，一种语句隐藏了一个关系的实例作为新实例。当且仅当初始实例为时，新实例才在关系中。使用此构建块，我们可以通过首先隐藏每个语句来利用现有的折叠方案来构建隐私折叠方案。折叠方案允许验证语句折叠到另一个语句中，而语句隐藏器允许验证语句被隐藏为另一个语句。
3D打印的多腔软执行器具有集成运动和传感功能，并通过生物启发的交织可折叠的内分体
人类的肌肉束具有同步神经感觉的多功能运动，使人可以执行复杂的任务，这激发了对机器人动作和感知机器人的功能整合的研究。尽管使用固有的依从性，软动力器已经开发了多种运动能力，但同时使用的方法通常涉及添加感应组件或嵌入某些信号的底层基质，从而导致结构复杂性和具有高度变化的部分的驱动部分之间的结构复杂性和差异。受到肌肉束多纤维机制的启发，提出了一种多腔功能整合（MCFI）方法，用于软气动执行器，以同时实现多维运动并通过分离和协调主动和被动腔来感知。引入了一个由生物启发的交织可折叠内体（Bife），以使用优化的目的可折叠性来构建和加强多腔室，从而实现3D打印单物质制造。执行伸长，收缩和双向弯曲，以基于基于多腔压力的运动学和感应模型感知其空间位置，方向和轴向力。建立了两个MCFI-ACTUATOR驱动的机器人：一个具有路径重建的软爬行机器人，具有对象外部感受的狭窄节流柔软的握把，验证了执行执行器的实用性以及对MCFI方法的智能软机器人创新的潜在的潜力。