École Polytechnique Fédérale de Lausanne

蛋白质设计长期只针对单一静态结构，而天然变构蛋白能在同一条件下占据多个折叠态。研究者用RFdiffusion对93个天然结构域的末端做部分骨架重画，得到2291对“天然—替代”构象，再用两条序列设计路线让同一条序列兼容两个骨架，并用AlphaFold3与BioEmu筛选稳定某一态的突变。设计出的蛋白在核磁谱中普遍出现谱峰增宽和缺失，说明变构区处于微秒至毫秒交换；引入两到三个突变后，平衡可被推向任一态，并解出与设计模型一致的两个晶体结构和一例NMR结构。

蛋白质设计长期只针对单一静态结构，而天然变构蛋白能在同一条件下占据多个折叠态。研究者用RFdiffusion对93个天然结构域的末端做部分骨架重画，得到2291对“天然—替代”构象，再用两条序列设计路线让同一条序列兼容两个骨架，并用AlphaFold3与BioEmu筛选稳定某一态的突变。设计出的蛋白在核磁谱中普遍出现谱峰增宽和缺失，说明变构区处于微秒至毫秒交换；引入两到三个突变后，平衡可被推向任一态，并解出与设计模型一致的两个晶体结构和一例NMR结构。

该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。

该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。

该研究提出 AlloPool——一个基于图神经网络、通过时间注意力与迭代边池化从平衡与非平衡分子动力学轨迹中学习最小化、随时间演化的残基相互作用网络的框架，在 Pin1、GAIN 机械感受域、D2 与 β1 肾上腺素受体、SdrG 黏附素、PDZ3 及 Engrailed 同源域等体系中以亚埃级 RMSD 重建轨迹，并据此映射别构通路、预测配体药理学、力学加载状态与突变效应。

该研究提出 AlloPool——一个基于图神经网络、通过时间注意力与迭代边池化从平衡与非平衡分子动力学轨迹中学习最小化、随时间演化的残基相互作用网络的框架，在 Pin1、GAIN 机械感受域、D2 与 β1 肾上腺素受体、SdrG 黏附素、PDZ3 及 Engrailed 同源域等体系中以亚埃级 RMSD 重建轨迹，并据此映射别构通路、预测配体药理学、力学加载状态与突变效应。