Biologie computationnelle
Fellow suit ce sujet depuis septembre 2026 : 6 articles résumés en français, dont 3 jugés majeurs ou notables.
Les sorties majeures
JEPA-Anything : des modèles prédictifs pour apprendre à travers des domaines différents
Framework validé sur 7 domaines, gains métriques généralisés et intervention biologique confirmée expérimentalement.
Toute l'actualité · 6 articles
Concevoir des protéines avec RFD4-Proteina grâce à une recherche guidée par récompense à l'inférence
NVIDIA présente RFD4-Proteina, une approche de conception de protéines abordée comme un problème de recherche dans un espace de séquences d'une taille considérable.
CocoRNA : conception collective d'ARN par apprentissage par renforcement multi-agents coopératif
Un framework de multi-agent reinforcement learning décompose la conception inverse d'ARN en sous-problèmes et surpasse l'état de l'art sur Rfam en taux de réussite et en vitesse.
Concevoir des structures de protéines à partir du langage naturel
Prompteina, premier modèle de génération all-atom piloté par des instructions en langage naturel, surpasse ses références sur 15 des 18 propriétés structurelles évaluées.
RNADyn : un benchmark pour générer et comprendre la dynamique de l'ARN
Un nouveau benchmark et modèle unifiés pour modéliser les changements conformationnels de l'ARN, au-delà des structures statiques.
IDiom : génération de régions protéiques intrinsèquement désordonnées via des autoencodeurs épars renforcés
Un modèle de langage protéique entraîné sur 54 millions d'IDR, combiné à une méthode RL-SAE, permet de concevoir des séquences désordonnées fonctionnelles de façon contrôlable.
JEPA-Anything : des modèles prédictifs pour apprendre à travers des domaines différents
Un framework domain-agnostic fondé sur la factorisation prédictive orthogonale unifie l'apprentissage de modèles du monde sur sept domaines distincts.