@arcinstitute：RNA结合蛋白（RBP）通过序列和结构来识别RNA，但不同位点上哪一种因素更为重要各不相同。介绍Pythia——
摘要
Pythia是一个可解释的AI模型，基于一张新的67种RNA结合蛋白的高分辨率图谱训练而成，由Genophoria、CZ Biohub、UCSF和Calico合作开发，用于预测RBP如何通过序列和结构来识别RNA。
查看缓存全文
缓存时间: 2026/10/13 19:47
RNA 结合蛋白（RBPs）通过序列和形状来识别 RNA，但哪个因素更重要则因位点而异。我们推出了 Pythia——一个可解释的 AI 模型，基于一项涵盖 67 种 RBP 的新型高分辨率图谱训练而成。该项目由 @genophoria 实验室、@czbiohub、@UCSF、@Calico 及 https://t.co/egMPRWbKhK 合作完成。
相似文章
@arcinstitute: 想象一下，像编写计算机代码一样编程蛋白质、DNA和RNA系统，甚至通过自然语言提示……
Arc Institute推出了Proto，一种用于生成生物学的高级编程语言，允许通过代码或自然语言AI提示来编程蛋白质、DNA和RNA系统。
RIBOSPAN: 用于多样化RNA建模的长上下文RNA基础模型
RIBOSPAN是一个在多达10,240个核苷酸上预训练的大型双向RNA基础模型，通过离散扩散实现高分辨率全长转录本建模和mRNA生成。
@rohanpaul_ai: Anthropic新研究表明，AI智能体在代码方面可能表现卓越，但在生物学领域，它们可能在科学工作开始之前就失败……
Anthropic的研究揭示，AI智能体在生物学数据库方面存在困难，对同一个查询会产生高度差异的答案（例如，埃博拉序列计数范围从5到106，而预期为266），但添加一个可重复的检索工具能显著提高一致性和准确性。
推出用于生命科学研究的 GPT-Rosalind
OpenAI 推出 GPT-Rosalind，这是一种前沿推理模型，旨在通过优化科学工作流程和工具使用，加速生物学、药物发现和转化医学领域的研究。
AlphaGenome：用于更好地理解基因组的人工智能
DeepMind 推出 AlphaGenome，这是一个能够预测 DNA 序列变异如何影响基因调控和生物过程的 AI 模型，可应用于多种细胞类型和组织。该模型可处理多达 100 万个碱基对，通过 API 向非商业研究提供，完整论文已在《自然》杂志上发表。