DeepConf：基于深度学习的共轭结构生物分子扫描 tunneling 显微图像重建
声音
2026-03-10 v1 人工智能
摘要
深入了解生物分子背后的性质和功能最近受到日益关注，这得益于使用扫描 tunneling 显微镜 (STM) 对单个完整大分子进行实时空间成像的可能性。这种组合为理解生物分子行为提供了关键见解，但也对快速可靠的数据分析提出了严苛要求。应用机器学习到 STM 图像的一个主要限制因素往往是训练数据的稀缺，这源于实验成像和高精度仿真所需的长时间获取。本文提出了一个框架，用于基于最先进的机器学习加速密度泛函理论 (DFT) 的方法，快速生成糖类、肽和糖蛋白的三维结构及其对应的类似 STM 的图像仿真。我们为肽类布拉契尼和代表性糖类分子生成数据集，并训练一个共轭估计模型，从 STM 图像预测分子的三维结构。在合成数据上，我们的方法实现了高准确率，肽类的原子偏差中值低于 ，糖类的偏差低于 。应用于实验数据时，主要获得对分子亚单元局部位置的精确、可靠且视觉上令人信服的确定。这一对实验数据的应用代表了开发复杂生物学相关系统 STM 图像完全自动化结构搜索管道的重要里程碑。
引用
@article{arxiv.2603.07708,
title = {VoiceSHIELD-Small: Real-Time Malicious Speech Detection and Transcription},
author = {Sumit Ranjan and Sugandha Sharma and Ubaid Abbas and Puneeth N Ail},
journal= {arXiv preprint arXiv:2603.07708},
year = {2026}
}
备注
17 pages, 9 figures