Buchumschlag

Understanding protein function with a multimodal retrieval-augmented foundation model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Truong Jr, Timothy Fei, Bepler, Tristan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Quantitative Methods Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

PoET: A generative model of protein families as sequences-of-sequences
von: Truong Jr, Timothy F., et al.
Veröffentlicht: (2023)

BrainSymphony: A parameter-efficient multimodal foundation model for brain dynamics with limited data
von: Khajehnejad, Moein, et al.
Veröffentlicht: (2025)

PatchProt: Hydrophobic patch prediction using protein foundation models
von: Gogishvili, Dea, et al.
Veröffentlicht: (2024)

CoVAE: correlated multimodal generative modeling
von: Caretti, Federico, et al.
Veröffentlicht: (2026)

Binary Latent Protein Fitness Landscapes for Quantum Annealing Optimization
von: Hy, Truong-Son
Veröffentlicht: (2026)

SAGE-FM: A lightweight and interpretable spatial transcriptomics foundation model
von: Zhan, Xianghao, et al.
Veröffentlicht: (2026)

Improved prediction of ligand-protein binding affinities by meta-modeling
von: Lee, Ho-Joon, et al.
Veröffentlicht: (2023)

Parameter-free representations outperform single-cell foundation models on downstream benchmarks
von: Souza, Huan, et al.
Veröffentlicht: (2026)

Linguistically inspired roadmap for building biologically reliable protein language models
von: Vu, Mai Ha, et al.
Veröffentlicht: (2022)

How to make the most of your masked language model for protein engineering
von: McCarter, Calvin, et al.
Veröffentlicht: (2026)

A quantum inspired predictor of Parkinsons disease built on a diverse, multimodal dataset
von: Vatsavai, Diya, et al.
Veröffentlicht: (2024)

Understanding temperature tuning in energy-based models
von: Fields, Peter W, et al.
Veröffentlicht: (2025)

Expanding functional protein sequence space using high entropy generative models
von: Netti, Roberto, et al.
Veröffentlicht: (2026)

Investigating the effectiveness of multimodal data in forecasting SARS-COV-2 case surges
von: Raghuvamsi, Palur Venkata, et al.
Veröffentlicht: (2025)

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

Evaluating protein binding interfaces with PUMBA
von: Shirali, Azam, et al.
Veröffentlicht: (2025)

Why risk matters for protein binder design
von: Cotet, Tudor-Stefan, et al.
Veröffentlicht: (2025)

LINKER: Learning Interactions Between Functional Groups and Residues With Chemical Knowledge-Enhanced Reasoning and Explainability
von: Pham, Phuc, et al.
Veröffentlicht: (2025)

ESM-NBR: fast and accurate nucleic acid-binding residue prediction via protein language model feature representation and multi-task learning
von: Zeng, Wenwu, et al.
Veröffentlicht: (2023)

Deep learning-guided evolutionary optimization for protein design
von: Hartman, Erik, et al.
Veröffentlicht: (2026)

Numerical Stability of DeepGOPlus Inference
von: Pepe, Inés Gonzalez, et al.
Veröffentlicht: (2022)

Controllable protein design with particle-based Feynman-Kac steering
von: Hartman, Erik, et al.
Veröffentlicht: (2025)

Edge-aware GAT-based protein binding site prediction
von: Yang, Weisen, et al.
Veröffentlicht: (2026)

PTransIPs: Identification of phosphorylation sites enhanced by protein PLM embeddings
von: Xu, Ziyang, et al.
Veröffentlicht: (2023)

GROOT: Effective Design of Biological Sequences with Limited Experimental Data
von: Tran, Thanh V. T., et al.
Veröffentlicht: (2024)

From thermodynamics to protein design: Diffusion models for biomolecule generation towards autonomous protein engineering
von: Li, Wen-ran, et al.
Veröffentlicht: (2025)

PPI-Net connects molecular protein interactions to functional processes in disease
von: Higgins, Kyle, et al.
Veröffentlicht: (2026)

Exploring the limits of pre-trained embeddings in machine-guided protein design: a case study on predicting AAV vector viability
von: Rodrigues, Ana F., et al.
Veröffentlicht: (2026)

DeepAtlas: a tool for effective manifold learning
von: Hughes, Serena, et al.
Veröffentlicht: (2025)

Generative modeling of protein ensembles guided by crystallographic electron densities
von: Maddipatla, Sai Advaith, et al.
Veröffentlicht: (2024)

Loop-Diffusion: an equivariant diffusion model for designing and scoring protein loops
von: Borisiak, Kevin, et al.
Veröffentlicht: (2024)

TEDDY: A Family Of Foundation Models For Understanding Single Cell Biology
von: Chevalier, Alexis, et al.
Veröffentlicht: (2025)

Toward Scalable Early Cancer Detection: Evaluating EHR-Based Predictive Models Against Traditional Screening Criteria
von: Park, Jiheum, et al.
Veröffentlicht: (2025)

Sleep Apnea Detection on a Wireless Multimodal Wearable Device Without Oxygen Flow Using a Mamba-based Deep Learning Approach
von: Luszczynski, Dominik, et al.
Veröffentlicht: (2025)

Central Dogma Transformer II: An AI Microscope for Understanding Cellular Regulatory Mechanisms
von: Ota, Nobuyuki
Veröffentlicht: (2026)

The limits of bio-molecular modeling with large language models : a cross-scale evaluation
von: Xu, Yaxin, et al.
Veröffentlicht: (2026)

Machine learning-based multimodal prognostic models integrating pathology images and high-throughput omic data for overall survival prediction in cancer: a systematic review
von: Jennings, Charlotte, et al.
Veröffentlicht: (2025)

Exploring zero-shot structure-based protein fitness prediction
von: Sharma, Arnav, et al.
Veröffentlicht: (2025)

Evaluating DNA function understanding in genomic language models using evolutionarily implausible sequences
von: Jiang, Shiyu, et al.
Veröffentlicht: (2025)

Inferring processes within dynamic forest models using hybrid modeling
von: Pichler, Maximilian, et al.
Veröffentlicht: (2025)