催化能力提高 3.5 倍!中科院团队基于扩散模型,开发 P450 酶从头设计方法 P450Diffusion

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

细胞色素 P450 酶几乎于所有生物体中普遍存在,在生命成长和发育的各种代谢过程中发挥着重要作用。作为自然界中最通用的生物催化剂,P450 酶不仅能催化超过 95% 已报道的氧化还原反应,而且能在温和条件下选择性氧化惰性碳-氢键,被誉为工业应用中的「万能催化剂」。

如今,定向进化已广泛应用于设计具有更好性能的新型 P450 酶,然而,传统方法通常需要多轮随机诱变和高通量筛选,因此无论是执行实际实验还是通过计算机模拟计算,都很难详尽地探索潜在的蛋白质空间。

尽管深度学习在蛋白质结构预测方面取得了显著成就,但理想的功能设计仍然是一项巨大挑战——在进行蛋白质功能设计时,很难收集到足够的高质量功能数据,并训练一个复杂的模型以创建具有所需功能的序列,因此,将知识驱动的技术与强大的深度学习模型相结合,以扩展自然蛋白质序列空间, 可能是设计新型 P450 酶的适当方法。

近日,中国科学院天津工业生物技术研究所江会锋、程健等研究员,通过解析 P450 酶黄酮 6-羟化酶 (F6H) 的口袋设计原则,开发了基于扩散模型和口袋设计原则的 P450 酶从头设计方法 P450Diffusion, 相关研究以「Cytochrome P450 Enzyme Design by Constraining the Catalytic Pocket in a Diffusion Model」为题发表在 Research 上。

该研究基于 P450Diffusion 生成了比自然界 P450 酶活性更好、稳定性更高的新酶,相较于天然黄酮 6 位羟化酶,新酶的催化能力提升了 1.3 至 3.5 倍。

研究亮点:

  • 该研究剖析了 P450 酶进化过程中新功能的起源机制,提出了 P450 酶底物结合的「三点固定原则」

  • 通过 P450Diffusion 生成的新酶催化能力提升了 1.3 至 3.5 倍

  • 该研究在深度学习扩散模型的框架下,为新功能 P450 酶设计提供了新思路。未来,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。

在这里插入图片描述

论文地址:
https://spj.science.org/doi/10.34133/research.0413

开源项目「awesome-ai4s」汇集了百余篇 AI4S 论文解读,并提供海量数据集与工具:

https://github.com/hyperai/awesome-ai4s

数据集:收集数据集并编码

为了构建 P450Diffusion,研究人员从已发表的 P450 酶数据库和公共数据库中,筛选并分析了所有潜在的 P450 酶,过滤掉长度大于 560 的序列,得到了 226,509 个序列作为训练数据集。

随后,研究人员对训练数据集进行编码,蛋白质序列中的每个氨基酸被编码为一个 8 维向量,每批蛋白质序列被编码为一个 64×1×560×8 向量——其中,64 是 Batch 大小,等于训练数据中的样本数;1 表示通道大小;560 表示蛋白质序列的最大长度;8 表示蛋白质序列中每个氨基酸的 VHSE8 编码向量。

如果蛋白质序列短于 560,研究人员会添加间隙,直到达到 560 的长度。在这种情况下,其分配一个由 8 个零组成的向量作为间隙的编码。

模型架构:P450 酶的从头设计方法 P450Diffusion

研究人员以来自灯盏花的一个黄酮 6-羟化酶 (CYP706X1) 为例,该酶属于 CYP706X 亚家族,在灯盏花素生物合成途径中将芹菜素转化为灯盏花素。

首先, 研究人员通过祖先序列重建、回复突变试验、渐进式正向积累和晶体学分析,确定了构成催化口袋的创始残基,其负责 P450 酶基因功能的创新;其次, 研究人员通过深入的结构分析,阐明了功能创新的催化口袋的设计原理;最后, 其将催化口袋设计原理与在图像生成中表现出色的去噪扩散概率模型相结合,设计了人工 P450 酶生成模型 P450Diffusion。

第一步:确定构成催化口袋的创始残基,负责 P450 酶基因功能的创新。

在已鉴定的 CYP706 家族 P450 酶中,仅 CYP706X 亚家族 P450 酶能够催化黄酮类底物,这表明 P450 酶黄酮 6-羟化酶 (F6H) 的功能可能是在 CYP706X 亚家族的祖先中从头创新的。

为了阐明形成具有 F6H 功能的催化口袋的分子机制,研究人员提出,分析无功能性 ancXY (CYP706X 和 CYP706Y 亚家族的共同祖先) 和功能性 ancX (CYP706X 亚家族共同祖先) 催化口袋之间,残基组成的变化。在距活性中心 8 Å 范围内,48 个残基中有 16 个不同。

如下图 A 所示,ancX 和 ancXY 的残基分别染成青色和洋红色;而当这 16 个残基全部被替换为 ancX 中相应的残基时,突变体(称为 ancXY-16)获得了 F6H 功能,如下图 B 所示。

在这里插入图片描述

回复突变试验

鉴于催化口袋中残基在三维空间内的位置不同,并非所有残基都对底物识别和结合有显著贡献,研究人员尝试通过回复突变试验(RMA:通过将 ancXY-16 催化口袋中每个残基回复为祖先类型来评估其突变效应)找出催化口袋中的创始残基。为了更快地识别创始残基,研究人员还采用渐进式前向积累 (PFA) 策略,逐步将重要的突变添加到 ancXY 中,直至突变体获得 F6H 功能。

最终,实验发现 5 个氨基酸的突变 (L220A/I114T/T317A/W123F/L248M) 在 F6H 从 ancXY 到 ancX 的功能创新过程中起着奠基者的作用(创始残基)。

第二步:阐明功能创新的催化口袋的设计原理。

通过深入分析 ancXY-5 中芹菜素结合模型,研究人员进一步解读了 5 个创始残基参与功能创新的潜在机制。基于 5 个创始残基的突变,催化口袋似乎遵循「三点固定」原则。

「三点固定」指的是与芹菜素分子中三个枢纽的关键相互作用, 包括:芹菜素分子中的 4’-OH (第一个枢纽) 由 T114 提供的氢键固定,芹菜素的 「B」环 (第二个枢纽) 由 F123 和 M248 的 π 堆积相互作用固定,芹菜素的 7-OH (第三个枢纽) 通过与 CpdI 铁-氧基的氢键固定。

该模型将底物芹菜素保持在一个接近反应的构象 (NAC),维持芹菜素反应位点与 CpdI 铁-氧基之间的相对方向处于有利的距离和角度 (3.6 Å和 155°),从而在催化过程中启动芹菜素的 6-羟基化反应。

研究人员提出,「三点固定」可以作为 F6H 自然功能创新的催化口袋设计原则,这也为设计具有期望功能的 P450 酶提供了新思路。

第三步:将催化口袋设计原理与在图像生成中表现出色的去噪扩散概率模型相结合,设计人工 P450 酶生成模型 P450Diffusion。

研究人员将扩散模型与 F6H 催化口袋的设计原理相结合,从头设计具有所需功能的 P450 酶,如下图所示。新 P450 酶的设计过程包括 P450Diffusion 模型构建 (Model construction)、序列生成 (Sequence generation)、筛选和实验验证 (Screening and experimental verification)。

在这里插入图片描述

基于P450Diffusion从头设计新P450酶的过程

P450Diffusion 主要包含两个模型,即预训练 (pre-trained model) 和微调扩散模型 (fine-tuning model)。

首先, 收集 226,509 个天然 P450 酶序列,训练预训练的 P450 序列扩散模型。

该预训练模型由两个子过程组成:一个正向扩散子过程 (forward diffusion subprocess),逐渐将高斯噪声添加到 P450 酶序列的表示中,直到变为随机噪声;一个反向生成子过程 (reverse generation subprocess),从随机噪声开始,逐渐对 P450 酶序列的表示进行去噪,以生成新的 P450 序列。经过 150,547 轮训练,预训练扩散模型可以生成各种各样的序列,与自然序列的相似性从 20% 到 50% 不等。

其次, 使用与 CYP706X 亚家族具有明显相似性的 19,202 个 P450 酶序列对预训练扩散模型进行微调,以确保生成的序列具有与 F6H 相似的结构骨架。

此外,对 T114、F123、A220、M248、A317 这 5 个创始残基进行了约束,以确保在从头生成的序列中能重现「三点固定」设计原理,将训练集微调与约束生成相结合的模型称为微调扩散模型。

随后, 为了提高实验验证的成功率,研究人员采用了三项标准对 6 万个生成的序列进行了虚拟筛选:评估生成序列质量的综合指标的计算得分、5 个创始残基的三维口袋约束以及芹菜素结合模式的稳健性。

虚拟筛选之后, 研究人员精心挑选了 17 个有前景的非天然 P450 酶进行进一步探索。

研究结果:催化能力提高了 1.3 至 3.5 倍

研究人员通过实验测试了 P450Diffusion 生成的序列是否为真正的 P450 酶,并执行 F6H 功能。

虚拟筛选之后,研究人员合成了挑选的 17 个设计并在酵母表达系统中表达。与 CYP706X1 相比,这些设计表现出 70% 到 87% 的序列同一性, 突显了它们作为新型催化剂的潜力。

通过喂养芹菜素作为底物培养重组酵母 4 天,并进行 HPLC 分析,研究人员发现了 10 个设计具有显著的 F6H 活性,如下图所示。

在这里插入图片描述

17种设计产品的黄芩素峰面积 与天然Cnan706X、Lsal706X和CYP706X1进行比较 不同的蛋白质被分配不同的颜色

令人惊讶的是,有 6 个设计在黄花夹竹桃苷生产方面的催化能力相比 CYP706X1 表现出 1.3 到 3.5 倍的增加, 如下图右边的 6 根柱状所示,其余 4 个活性设计也表现出与其他天然 F6H 酶 (即 Cnan706X 和 Lsal706X) 相当的活性。

在这里插入图片描述

黄花夹竹桃苷生产方面的催化能力直方图显示与功能性设计相关的产品的峰面积以CYP706X1为对照组

结果表明,P450Diffusion 不仅能够捕捉 F6H 催化口袋的基本设计原则,并有效生成具有 F6H 活性的 P450 酶序列,还能够从 P450 酶序列空间中筛选出比天然序列更好的 P450 酶。

数据驱动,机器学习助力酶进化加速

自然界中存在的酶拥有多种多样的功能,已经被应用在工业生产和学术研究中,但其中许多酶的性质和功能还不能完全满足应用需要,通过改造来提升这类酶的某些特性是酶工程的重要任务。

其中,定向进化法通过模拟自然界的进化过程,可提高酶的进化速度, 成为酶分子改造的关键技术。定向进化在生物催化以及药物设计等方面发挥着重要作用,但因突变的随机性所产生的数量庞大的突变体,使得实验筛选的能力面临巨大挑战。近年来,人工智能、大数据处理等新兴技术已经发展成为生物催化领域的重要研究手段。其中,机器学习通过数据驱动的方式获得序列/结构到酶功能的映射,为提高酶工程的效率提供帮助。

尽管编码酶的基因可以很容易地被识别出来,但在绝大多数 (超过 99%) 的情况下,合成酶的确切功能是未知的,这是因为酶功能的实验表征——即特定酶将哪些起始分子转化为哪些具体的末端分子,非常耗时。

针对这一挑战,杜塞尔多夫大学 (HHU) 的研究人员开发了用于预测酶-底物对的通用机器学习模型 ESP,在独立和多样化的测试数据上的准确度超过 91%。 ESP 可以成功应用于训练数据中包含的广泛不同的酶和广泛的代谢物,优于为单独的、经过充分研究的酶家族设计的模型。

该研究以「A general model to predict small molecule substrates of enzymes based on machine and deep learning」为题于 2023 年 5 月发布在 Nature Communications。
论文链接:

https://www.nature.com/articles/s41467-023-38347-2

从头酶设计虽然令人兴奋,但也受到酶催化的复杂性的挑战。无细胞酶工程公司 Enzymit 的研究人员引入 CoSaNN(使用神经网络的构象采样),这是一种酶设计的新策略,利用深度学习的进步进行结构预测和序列优化。 通过控制酶的构象,研究人员可以扩展化学空间,使其超出简单诱变的范围。

此外,该团队还进一步开发了 SolvIT,这是一种经过训练可预测大肠杆菌中蛋白质溶解度的图神经网络, 作为生产高表达酶的额外优化层。通过这种方法,研究人员设计了具有优异表达水平的新型酶,其中 54% 的设计在大肠杆菌中表达,并提高了热稳定性,超过 30% 的设计具有比模板酶更高的 Tm。

该研究以「Context-Dependent Design of Induced-fit Enzymes using Deep Learning Generates Well Expressed, Thermally Stable and Active Enzymes」为题,于 2023 年 8 月发布在 bioRxiv 预印平台。
论文链接:

https://www.biorxiv.org/content/10.1101/2023.07.27.550799v3

在这里插入图片描述

数据显示,2023 年,仅工业酶的全球市场规模价值就达到 74 亿美元。未来,利用人工智能的力量,学习有关蛋白质构成和进化的特征信息,研究人员能够解决许多类型的酶工程问题,例如预测具有有益影响的突变、优化蛋白质的稳定性、提高催化活性等等……这都将进一步降低生物制造的成本,并带来更高的商业价值。

参考资料:
1.https://spj.science.org/doi/10.34133/research.0413
2.https://www.cas.cn/syky/202407/t20240718_5026250.shtml
3.https://biotech.aiijournal.com/CN/10.13560/j.cnki.biotech.bull.1985.2022-0724
4.https://www.jiqizhixin.com/articles/2023-06-25-12
5.https://www.jiqizhixin.com/articles

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1325

蛋白质结构序列进行三维结构预测的在线服务器

通过蛋白质序列进行三维结构预测的在线服务器

lijingxiaov5的博客 4697

VESC电调高级调参指南:电机校准与性能优化实战解析

本文详细解析了VESC电调的高级调参方法,包括电机校准与性能优化实战技巧。从基础参数设置到高级机械参数优化,再到动态性能调优,提供了全面的调参指南。特别针对电机类型、功率设置、电池参数配置等关键环节给出实用建议,帮助用户充分发挥VESC电调的性能潜力。

weixin_30772105的博客 198

催化能力提高 3.5 倍!中科院团队基于扩散模型,开发 P450 酶从头设计方法 P450Diffusion...

作者:梅菜编辑:李宝珠,十九中国科学院天津工业生物技术研究所的新酶设计团队,开发了基于扩散模型和口袋设计原则的 P450 酶从头设计方法 P450Diffusion。细胞色素 P450 酶几乎于所有生物体中普遍存在,在生命成长和发育的各种代谢过程中发挥着重要作用。作为自然界中最通用的生物催化剂,P450 酶不仅能催化超过 95% 已报道的氧化还原反应,而且能在温和条件下选择性氧化惰性碳-氢键,被誉...

HyperAI超神经 3033

计算机毕业设计springboot基于微信平台的二次元手办商场小程序【附源码】

选题背景: 随着二次元文化的兴起和普及,越来越多的人开始对二次元角色产生了浓厚的兴趣和喜爱。手办作为二次元文化的重要载体之一,成为了许多二次元爱好者收藏和展示的对象。然而,在传统的线下手办商场中,消费者往往面临着时间、空间和选择的限制。因此,基于微信平台的二次元手办商场小程序应运而生。 选题意义: 首先,基于微信平台的二次元手办商场小程序能够打破地域限制,使得用户可以随时随地通过手机进行购物。无论是在家中、上班途中还是旅行中,用户都能够方便地浏览和购买自己喜欢的手办,极大地提高了购物的便利性和灵活性。

拉期程序 452

Immich vs Nextcloud照片管理实测:自建私有云相册到底选哪个?

本文深度评测了Immich与Nextcloud在私有云相册管理中的表现,涵盖核心功能、性能基准、本土化实践及进阶功能。Immich凭借微服务架构和AI优化在照片管理、移动端体验上表现优异,而Nextcloud则强在生态整合。文章还提供了Docker部署优化和国内网络适配方案,帮助用户根据需求选择最佳方案。

seed的博客 334

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

Fluent 中多相流模型全面解析

3.颗粒或液滴在连续相中的运动:若关注颗粒或液滴在连续相中的运动轨迹、分布规律以及与连续相的相互作用,如喷雾干燥、气力输送等过程,Eulerian-Lagrangian 模型则是最佳选择。Eulerian-Eulerian 模型可以准确模拟气体在固体颗粒中的流动情况,包括颗粒的流化状态、气体与颗粒之间的传热传质过程,为气固流化床的优化设计和操作提供依据。通过该模型,可以了解混合器内不同位置的混合程度、颗粒的运动轨迹以及液固相间的相互作用,从而改进混合器的结构和操作条件,提高混合效率。

khhdp的博客 3088

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

Hcaptcha验证码的‘免浏览器’破解思路:协议分析与N值算法逆向

本文深入解析Hcaptcha验证码的‘免浏览器’破解思路,通过协议分析与N值算法逆向,实现高效自动识别。文章详细拆解Hcaptcha的API交互流程,揭示关键参数`req`和`n`的生成机制,并提供轻量级实现方案,显著降低资源消耗,适用于大规模数据采集等场景。

weixin_30838873的博客 537

华为OD机试真题2026双机位C卷 Python&JS 实现【明日之星选举】

给定一组选票votes。votes[i]代表第 i 张选票的内容,包含一个字符串"zhangsan,hanmei",表示推荐zhangsan为明日之星,反对 hanmei 称为明日之星。赞成或反对使用逗号(,)分割。 给定一个数组n,表示最后将筛选出赞成票最多的n个人,如果赞成票相同,则反对票越少,排序越靠前;如果赞成票和反对票都相同,则按照姓名字典序升序排序。

MISAYAONE的博客 323

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

卫星姿态控制的隐形力量:为何必须计算每一个旋转部件的角动量

在静谧的太空中,一颗对地观测卫星正将高清相机精准地对准地面目标。与此同时,它内部的动量轮在飞速旋转,太阳能帆板在缓慢转向以追踪太阳,甚至某个科学载荷的制冷机也在高频运转。你是否曾想过,卫星是如何在这些内部“小宇宙”的运动中,保持自身姿态极致的稳定与精确的

ScilogyHunter的博客 974

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

PSINS工具箱学习(四)捷联惯导更新算法

原始 Markdown文档、Visio流程图、XMind思维导图见:https://github.com/LiZhengXiao99/Navigation-Learning。

实践出真理,接毕设/课设项目开发指导 607

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 573

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182
上一篇: HyperAI超神经 X 开源中国 | AI 编程哪家强?一起来杭州源创会看各大厂商同台竞技!...
下一篇: ICML最佳论文SD3上线公共教程!DreamBench++图像自动评估新基准来了,实现人类偏好深度对齐
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值