- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugOne
Cell | 深度突变学习预测SARS-CoV-2受体结合域组合突变对ACE2结合和抗体逃逸的影响
几乎所有抗体的RBM-2模型都显示出很高的性能指标，只有LY-CoV555表现出较低的F1得分。 重点分析了RBM-2区域和四种中和抗体（LY-CoV16、LY-CoV555、REGN10933、REGN10987）。 2.4 预测当前和未来变体的抗体逃逸 作者在RBM-2上使用机器学习模型预测ACE2结合谱系上的抗体逃逸 （图5）。 作者测定了RBM-2中Omicron存在的特定单突变和组合突变的抗体逃逸。 (A)组合文库RBM-2的Omicron (BA.1)突变。(B)在Omicron中观察到的单个和组合突变的结合预测。
87720编辑于 2022-11-28 - 来自专栏新智元
深度学习最新梳理：OpenAI研究骨干博士论文
使用表示学习进行表达式归类 6.7.2 有效发现同一性 6.7.3 (ΣAA^T)k 的解决方案 6.7.4 （RBM-1)k 的解决方案 6.7.5 （RBM
1.5K30发布于 2018-03-22
时间不限
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号