Amazon Science 该文介绍Amazon Bio Discovery团队的三项工作：MochiBind以序列为基础、通过成对比较与TrueSkill聚合实现跨抗原的抗体-抗原结合强度排序，在四个留出抗原上成对准确率高于所有基于结构的基线，并在CPU上约13秒完成20万对打分；CA-MAP以文本提示中的示例抗体捕捉批次偏移，在模拟批次效应下保持0.99相关性而常规微调降至0.58，且仅约18.2万可训练参数、推理约快200倍；第三项工作用热点推荐智能体协调七种生物信息学工具、三种生成模型各产出9.6万个设计，经酵母表面展示筛选后116个候选均不与无关对照蛋白结合，其中46个被判定为强结合体。
该文介绍Amazon Bio Discovery团队的三项工作：MochiBind以序列为基础、通过成对比较与TrueSkill聚合实现跨抗原的抗体-抗原结合强度排序，在四个留出抗原上成对准确率高于所有基于结构的基线，并在CPU上约13秒完成20万对打分；CA-MAP以文本提示中的示例抗体捕捉批次偏移，在模拟批次效应下保持0.99相关性而常规微调降至0.58，且仅约18.2万可训练参数、推理约快200倍；第三项工作用热点推荐智能体协调七种生物信息学工具、三种生成模型各产出9.6万个设计，经酵母表面展示筛选后116个候选均不与无关对照蛋白结合，其中46个被判定为强结合体。
该文介绍Amazon Bio Discovery团队的三项工作：MochiBind以序列为基础、通过成对比较与TrueSkill聚合实现跨抗原的抗体-抗原结合强度排序，在四个留出抗原上成对准确率高于所有基于结构的基线，并在CPU上约13秒完成20万对打分；CA-MAP以文本提示中的示例抗体捕捉批次偏移，在模拟批次效应下保持0.99相关性而常规微调降至0.58，且仅约18.2万可训练参数、推理约快200倍；第三项工作用热点推荐智能体协调七种生物信息学工具、三种生成模型各产出9.6万个设计，经酵母表面展示筛选后116个候选均不与无关对照蛋白结合，其中46个被判定为强结合体。
该文介绍Amazon Bio Discovery团队的三项工作：MochiBind以序列为基础、通过成对比较与TrueSkill聚合实现跨抗原的抗体-抗原结合强度排序，在四个留出抗原上成对准确率高于所有基于结构的基线，并在CPU上约13秒完成20万对打分；CA-MAP以文本提示中的示例抗体捕捉批次偏移，在模拟批次效应下保持0.99相关性而常规微调降至0.58，且仅约18.2万可训练参数、推理约快200倍；第三项工作用热点推荐智能体协调七种生物信息学工具、三种生成模型各产出9.6万个设计，经酵母表面展示筛选后116个候选均不与无关对照蛋白结合，其中46个被判定为强结合体。