上海交通大学洪亮教授团队推出了VenusMutHub，这是首个针对真实应用场景的蛋白质突变小样本数据集，并提出了评测标准。该研究克服了现有高通量数据集的局限性，为蛋白质工程提供实用指导，推动了蛋白质功能预测的发展。
清华大学龚海鹏团队提出的GeoStab-suite模型套件，包括GeoFitness、GeoDDG和GeoDTm，能够有效预测蛋白质突变后的适应度、ΔΔG和ΔTm。通过几何学习和预训练策略，模型性能显著提升，GeoDDG和GeoDTm在基准测试中分别比其他方法高出30%和70%。该研究为蛋白质工程提供了重要工具。
上海交通大学研究团队在蛋白质突变-性质预测方面取得突破，提出FSFP方法，仅需20个湿实验数据即可显著提高预测准确性。该方法结合元学习和排序学习，解决了传统实验耗时长的问题，对蛋白质工程具有重要意义。
完成下面两步后，将自动完成登录并继续当前操作。
