FedEpitope用联邦学习预测线性B细胞表位
热点事件观察中
FedEpitope用联邦学习预测线性B细胞表位
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Joshi等在bioRxiv预印本中提出FedEpitope:用LoRA将ESM-2适配到线性B细胞表位预测,在不集中客户端数据的情况下,仅通信约1.11 MB的可训练模型状态;模拟评测中,FedAvg的平均AP、F1和MCC均优于全部单客户端模型。 框架比较了FedAvg与FedProx,使用5个按生物体划分且数据异质的客户端及同源性感知切分进行模拟,并在BCPreds、NetBCE基准上测试泛化,结论限于上述评测设置。
AI 根据报道生成 · 5 小时前更新
最新进展11月3日 00:00
FedEpitope:用于线性 B 细胞表位预测的参数高效联邦蛋白语言模型报道时间线
沿着报道,了解事件的不同侧面。
11月3日
- bioRxiv · BioinformaticsFedEpitope:用于线性 B 细胞表位预测的参数高效联邦蛋白语言模型
FedEpitope 用 LoRA 将 ESM-2 适配到线性 B 细胞表位预测,数据保留本地,通信状态约 1.11 MB。FedAvg 与 FedProx 模拟评测使用 5 个按生物体划分的异质客户端;FedAvg 的平均 AP、F1 和 MCC 优于所有单客户端模型,并在 BCPreds 与 NetBCE 基准上测试泛化。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 611月3日 19:00
- 近 24 小时变化
- –
0246
19:0020:0021:0022:0023:0011月4日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。