跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. bioRxiv · Bioinformatics
    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

    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
–

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。