category
PNAS
date
Mar 6, 2026
slug
status
Published
summary
创新性地提出基于AI的条件转移聚类方法,突破传统马尔可夫状态模型的‘状态中心’范式局限,无需预设状态定义即可发现蛋白质折叠过程中的隐藏中间态,为理解折叠动力学提供新视角。
tags
蛋白质组学
type
Post

📄 原文题目

Unveiling hidden intermediate states in protein folding with AI-based conditional transition clustering

🔗 原文链接

💡 AI 核心解读

创新性地提出基于AI的条件转移聚类方法,突破传统马尔可夫状态模型的‘状态中心’范式局限,无需预设状态定义即可发现蛋白质折叠过程中的隐藏中间态,为理解折叠动力学提供新视角。

📝 英文原版摘要

Proceedings of the National Academy of Sciences, Volume 123, Issue 10, March 2026. <br />SignificanceCurrent methods for analyzing protein folding, like Markov state models, are limited by a “state-centric” paradigm that imposes biased assumptions about state definitions and kinetics before analysis. We present conditional transition ...
Pri微肽作为细胞固有计时器控制细胞命运诱导的短暂阶段染色质重塑基因INO80D功能丧失导致精神分裂症的神经发生特征
Loading...