中国科学院天津工业生物技术研究所的研究人员开发了一种新型P450酶设计方法P450Diffusion，通过扩散模型和口袋设计原则成功生成了比自然界P450酶更活性更稳定的新酶。研究人员还剖析了P450酶进化过程中新功能的起源机制，并提出了「三点固定原则」。该研究为新功能P450酶设计提供了新思路，有望在生物工程和工业催化领域发挥作用。

中国科学院天津工业生物技术研究所的新酶设计团队开发了一种基于扩散模型和口袋设计原则的P450酶从头设计方法P450Diffusion。该方法通过解析P450酶黄酮6-羟化酶的口袋设计原则，生成了比自然界P450酶活性更好、稳定性更高的新酶。研究结果表明，P450Diffusion能够捕捉催化口袋的基本设计原则，并从P450酶序列空间中筛选出比天然序列更好的P450酶。这一方法有望在生物工程和工业催化等领域发挥作用，并推动新型酶的开发和应用。

DiffPuter是一种利用期望最大化算法和扩散模型进行缺失数据填补的迭代方法。通过将缺失数据视为隐藏变量并将其作为EM问题处理，DiffPuter逐步改进了完整数据分布，产生了对缺失数据越来越准确的估计。实证评估表明，DiffPuter在10个不同的数据集上相比于其他16种填补方法，平均改善了8.10％的MAE和5.64％的RMSE。

本研究介绍了一种基于弥散模型的自监督预训练协议，用于X射线图像中的地标检测。结果表明该自监督框架在少量可用的已注释训练图像上能够提供准确的地标检测，优于ImageNet有监督预训练和最先进的自监督预训练方法。这是首次探索了弥散模型在自监督学习中应用于地标检测，有望成为缓解数据稀缺问题的宝贵预训练方法。

DragGAN在图像编辑中的准确和灵活的图像内容操纵对满足复杂和多样的需求至关重要。研究人员提出了FreeDrag，采用特征导向的方法解放点追踪的负担，实现了稳定和高效的基于点的图像编辑。实验证明，FreeDrag在具有相似结构、精细细节或多点目标的挑战情景中优于DragGAN，并实现了稳定的基于点的编辑。

本研究提出了一种创新的生成模型，可将SAR图像转化为光学图像，提高SAR图像的可解释性。实验结果显示该模型在定量评估和视觉质量方面表现优异。

本研究使用HDiT模型修复MIDI钢琴卷帘图像上的盖章区域，并增强音符生成。通过线性缩放提供直观和可解释的控制，展示了在旋律、伴奏和延续音符填充方面的成果。有效增加音符密度以生成符合用户规格要求的音乐结构。

本研究介绍了一种新颖的任务，基于文本导向的主题驱动图像修复。通过DreamInpainter方法，结合主题特征和令牌选择模块，实现准确的主题复制和身份保留。实验证明了该方法在视觉质量、身份保护和文本控制方面的卓越性能。

本文提出了一种双重对比学习方式，用于探索非配对样本的共同属性，并开发了无配对单影像去雨敌对框架DCD-GAN。实验结果表明，该方法在合成和真实数据集上表现优异，与其他模型相比具有可比较的结果。

这篇文章介绍了一种基于心脏磁共振成像和深度学习的解决方案，用于解决疾病诊断和预后中的数据不平衡问题。通过生成合成数据来缓解数据集中的不平衡问题，并通过模拟生成样本来纠正分类器的偏见。实验证明该方法在缓解数据集不平衡方面有效，并且在资源受限环境下可行。