11:30官方账号arXiv cs.LG@Jeremy Guntoro, Alexander Dack, Dylan Danno, Michaela Jančovičová, Križan Jurinović, Vanessa Smilansky该研究使用Evo 2模型第26层激活训练线性及注意力探针,检测宏基因组中抗菌素耐药性(AMR)。线性探针区域级ROC-AUC达0.888,单头注意力探针升至0.977。探针能区分AMR药物子类别,细菌毒力检测较弱(区域级ROC-AUC 0.833)。在模拟短读上无需重训练即达0.898的ROC-AUC。稀疏自编码器分析不如监督探针一致。论文Evo 2AMRROC-AUC推荐理由:这篇论文用Evo 2搞生物安全筛查,探针测耐药基因最高准到0.977,比自编码器靠谱还不用重训练。原文稍后读已读值得跟进有用关注 Evo 2
09:49官方账号arXiv cs.LG@Paul Collart, Juergen Gall, Andrea Schnepf, Holger Pagel, Lars Doorenbos该研究提出了首个混合建模框架,从DNA测序数据推断的宏基因组功能特征中推导过程型土壤有机质周转模型的生物动力学参数值。该框架使用神经网络将基因组性状数据映射到生物动力学参数,并整合生态理论和文献约束以确保行为真实。在合成数据和真实数据上的评估表明,该方法在小训练集条件下仍能有效学习不可观测组分的动态,性能优于多个基线模型。论文混合建模宏基因组土壤微生物推荐理由:这篇论文提出了一个新方法,用神经网络从宏基因组数据预测土壤微生物参数,还能在小样本下保持准确,搞生态模拟或AI交叉的可以看看。原文稍后读已读值得跟进有用关注 混合建模