Machine learning foundational models for generating biomolecular embeddings
JP2026520554APending Publication Date: 2026-06-23アトミック エーアイ インコーポレイテッド
Patent Information
- Authority / Receiving Office
- JP · JP
- Patent Type
- Applications
- Current Assignee / Owner
- アトミック エーアイ インコーポレイテッド
- Filing Date
- 2024-06-04
- Publication Date
- 2026-06-23
AI Technical Summary
Benefits of technology
【0006】 開示される手法は、特に下流タスクに関するデータが限られている場合に、幅広い下流タスクに対して著しい向上をもたらすことができる。RNA分子および他の生体高分子に関する多くの科学的および商業的に重要な予測タスクは、このカテゴリに入る。様々な実施形態において、基礎モジュールは、入力された生体高分子配列の埋め込みを生成するように訓練される。訓練データの一部またはすべては、その多くが人間の観察者にとって直接的には明らかでない生体高分子構造に関する多大な量の情報を含む化学的マッピングデータであってよい。よって、訓練済みモデルによって生成された埋め込みは、対応する生体高分子の分子の性質に関する多くの情報を含むことができる。したがって、基礎モデルの最後に付加される小さなプローブニューラルネットワークは、基礎モデルによって生成された埋め込みから特定の予測タスクに関連する構造情報を抽出するように、比較的少ない訓練データで迅速に訓練されることが可能である。
✦ Generated by Eureka AI based on patent content.
Smart Images
Figure 2026520554000001_ABST
Abstract
The desired properties of biomacromolecules are predicted using an integrated model that includes a foundational model and a task-specific model. The foundational model is trained, at least partially, using chemical mapping data to generate embeddings from biomacromolecule sequences. The task-specific model receives the embeddings generated by the foundational model for a sequence and generates a prediction of whether the corresponding biomacromolecule molecule possesses the target properties. The method, computer-readable medium, and system enable the use of machine learning to predict various properties of biomacromolecule molecules (e.g., RNA) from corresponding sequences.
Need to check novelty before this filing date? Find Prior Art