2024-12-01 BiorRxiv预印本速读【Biophysics】

文章预览

本文内容为生成式AI对文章进行总结后得到，版权归原文作者所有。总结内容可靠性无保障，请仔细鉴别并以原文为准。 Unbiased learning of protein conformational representation via unsupervised random forest Sahil, M.; Ahalawat, N.; et.al., Jagannath Mondal* Tata Institute of Fundamental Research Hyderabad https://doi.org/10.1101/2024.11.30.626148 来自Tata Institute of Fundamental Research Hyderabad的这项研究工作提出了无监督随机森林（URF），一种无需预先标签的自监督学习方法，用于识别生物分子的功能关键特征。通过开发一个内存高效的实现，研究人员展示了URF能够学习蛋白质的残基间重要特征集，并解析其复杂的构象景观，其性能与传统监督学习版本以及15种其他领先基线方法相当甚至更优。URF还包括一个内部指标，即学习系数，该系数自动完成超参数优化，使方法更加稳健和用户友好。这项研究验证 ………………………………