Buchumschlag

ProteinGuide: On-the-fly property guidance for protein sequence generative models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiong, Junhao, Gaur, Ishan, Lukarska, Maria, Nisonoff, Hunter, Oltrogge, Luke M., Savage, David F., Listgarten, Jennifer
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Biomolecules
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Is novelty predictable?
von: Fannjiang, Clara, et al.
Veröffentlicht: (2023)

Unlocking Guidance for Discrete State-Space Diffusion and Flow Models
von: Nisonoff, Hunter, et al.
Veröffentlicht: (2024)

Towards deep learning sequence-structure co-generation for protein design
von: Wang, Chentong, et al.
Veröffentlicht: (2024)

Diffusion on language model encodings for protein sequence generation
von: Meshchaninov, Viacheslav, et al.
Veröffentlicht: (2024)

COLOR: A compositional linear operation-based representation of protein sequences for identification of monomer contributions to properties
von: Pandey, Akash, et al.
Veröffentlicht: (2025)

Predicting protein folding dynamics using sequence information
von: Galpern, Ezequiel A., et al.
Veröffentlicht: (2025)

Multiscale guidance of protein structure prediction with heterogeneous cryo-EM data
von: Raghu, Rishwanth, et al.
Veröffentlicht: (2025)

Inferring protein folding mechanisms from natural sequence diversity
von: Galpern, Ezequiel A., et al.
Veröffentlicht: (2024)

From sequence to protein structure and conformational dynamics with AI/ML
von: Ille, Alexander M., et al.
Veröffentlicht: (2025)

Pro-PRIME: A general Temperature-Guided Language model to engineer enhanced Stability and Activity in Proteins
von: Jiang, Fan, et al.
Veröffentlicht: (2023)

Unavailability of experimental 3D structural data on protein folding dynamics and necessity for a new generation of structure prediction methods in this context
von: Wells, Aydin, et al.
Veröffentlicht: (2025)

ApexGen: Simultaneous design of peptide binder sequence and structure for target proteins
von: Xia, Xiaoqiong, et al.
Veröffentlicht: (2025)

Out-of-equilibrium selection pressure enhances inference from protein sequence data
von: Dietler, Nicola, et al.
Veröffentlicht: (2026)

Machine learning methods to study sequence-ensemble-function relationships in disordered proteins
von: von Bülow, Sören, et al.
Veröffentlicht: (2024)

Evaluating and Scoring Ebolavirus Protein-protein Docking Models Using PIsToN
von: Shirali, Azam, et al.
Veröffentlicht: (2025)

Assessment of scoring functions for computational models of protein-protein interfaces
von: Sumner, Jacob, et al.
Veröffentlicht: (2024)

A universal phase-plane model for in vivo protein aggregation
von: Cotton, Matthew W., et al.
Veröffentlicht: (2025)

Guiding Generative Protein Language Models with Reinforcement Learning
von: Stocco, Filippo, et al.
Veröffentlicht: (2024)

DiffPaSS -- High-performance differentiable pairing of protein sequences using soft scores
von: Lupo, Umberto, et al.
Veröffentlicht: (2024)

State-aware protein-ligand complex prediction using AlphaFold3 with purified sequences
von: Xing, Enming, et al.
Veröffentlicht: (2025)

Token-Level Guided Discrete Diffusion for Membrane Protein Design
von: Goel, Shrey, et al.
Veröffentlicht: (2024)

Proteins with alternative folds reveal blind spots in AlphaFold-based protein structure prediction
von: Chakravarty, Devlina, et al.
Veröffentlicht: (2024)

Reinforcement-guided generative protein language models enable de novo design of highly diverse AAV capsids
von: Ferraz, Lucas, et al.
Veröffentlicht: (2026)

Integrative modelling of protein-glycan interactions with HADDOCK3
von: Reys, Victor, et al.
Veröffentlicht: (2026)

Aptamer-protein interaction prediction model based on transformer
von: Yan, Zhichao, et al.
Veröffentlicht: (2025)

The standard coil or globule phases cannot describe the denatured state of structured proteins and intrinsically disordered proteins
von: Righini, F., et al.
Veröffentlicht: (2025)

Energy-based generative models for monoclonal antibodies
von: Pereira, Paul, et al.
Veröffentlicht: (2024)

High fitness paths can connect proteins with low sequence overlap
von: Kantroo, Pranav, et al.
Veröffentlicht: (2024)

Computational modeling of RNA-protein binding interactions under an external force
von: Wampler, Danielle, et al.
Veröffentlicht: (2026)

ProCaliper: functional and structural analysis, visualization, and annotation of proteins
von: Rozum, Jordan C., et al.
Veröffentlicht: (2025)

A versatile informative diffusion model for single-cell ATAC-seq data generation and analysis
von: Huang, Lei, et al.
Veröffentlicht: (2024)

Selection originating from protein stability/foldability: Relationships between protein folding free energy, sequence ensemble, and fitness
von: Miyazawa, Sanzo
Veröffentlicht: (2016)

Integrating experimental feedback improves generative models for biological sequences
von: Calvanese, Francesco, et al.
Veröffentlicht: (2025)

The role of topology on protein thermal stability
von: Especial, João N. C., et al.
Veröffentlicht: (2025)

MP2D: Constrained Monte Carlo Tree-Guided Diffusion for Multi-Objective Protein Sequence Design
von: Kong, Zitai, et al.
Veröffentlicht: (2026)

Frontiers in integrative structural biology: modeling disordered proteins and utilizing in situ data
von: Majila, Kartik, et al.
Veröffentlicht: (2024)

Disordered But Rhythmic: the role of intrinsic protein disorder in eukaryotic circadian timing
von: Usher, Emery T., et al.
Veröffentlicht: (2025)

Generative power of a protein language model trained on multiple sequence alignments
von: Sgarbossa, Damiano, et al.
Veröffentlicht: (2022)

Inference-time optimization for experiment-grounded protein ensemble generation
von: Maddipatla, Advaith, et al.
Veröffentlicht: (2026)

Ranking protein-protein models with large language models and graph neural networks
von: Xu, Xiaotong, et al.
Veröffentlicht: (2024)