인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Protein structure prediction has been revolutionized by methods like AlphaFold2, which rely on large-scale multiple sequence alignments (MSAs) to achieve near-experimental accuracy. However, the computational cost and data demands of such approaches limit their accessibility, particularly for proteins with few homologs. To address this, we introduce ClusterEmbed, a novel, lightweight method for generating training data for protein structure prediction. ClusterEmbed combines rapid clustering-based MSA generation using MMSeqs2 with small-scale sequence sets and embedding extraction via pretrained protein language models, bypassing the need for extensive MSA datasets like those in OpenProteinSet. We evaluated ClusterEmbed across five experiments, testing variables such as sequence set size, clustering sensitivity, and embedding model type against metrics including RMSD, TM-score, GDT-TS, and computational efficiency.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
