待验证50% 置信事实精确时间
Protein MPNN的序列生成方式在数学上与Transformer语言模型高度同构，都是逐位置输出概率分布再采样，使文本水印的绿色列表偏置机制可直接迁移
1
来源数
50%
置信度
长期有效
时效性
2026/10/4
首次发现
来源
涉及实体
相关事实
待验证以列表为单位的处理能力使蛋白质结构预测能够纳入自动化研发管线，而非作为一次性计算实验执行64% 相似待验证定向进化实验或计算优化往往会在序列上引入大量替换，可能无意间抹去蛋白质水印信号63% 相似待验证离散扩散模型专门处理离散数据（如氨基酸序列、DNA序列或文本），正向过程通常采用掩码机制，将序列中某些位置替换为[MASK]标记，模型在反向过程中逐步预测还原62% 相似待验证分子生成与优化可借助图神经网络（GNN）、变分自编码器（VAE）或扩散模型等生成具有特定性质的全新分子结构62% 相似待验证早期变异预测工具如SIFT和PolyPhen主要依赖进化保守性和蛋白质结构信息，准确率约70-80%61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/972906API
curl https://kongchang.com/api/v1/knowledge/claims/972906MCP
get_claim(id=972906)