入選頂會ICML，清華AIR等聯合發(fā)布蛋白質語言模型ESM-AA，超越傳統SOTA

AIGC動態(tài)歡迎閱讀

原標題：入選頂會ICML，清華AIR等聯合發(fā)布蛋白質語言模型ESM-AA，超越傳統SOTA
關鍵字：蛋白質,模型,尺度,原子,分子
文章來源：HyperAI超神經
內容字數：0字

內容摘要：

作者：田小幺
編輯：鄭康杰，李姝
清華大學、北京大學、學的聯合研究團隊提出了一種多尺度的蛋白質語言模型 ESM-AA，在靶點-配體結合等任務上的性能顯著提升。作為細胞內無數生化反應的驅動力，蛋白質在細胞微觀世界中扮演著建筑師和工程師的角色，不僅催化著生命活動，更是構筑、維系生物體形態(tài)與功能的基礎構件。正是蛋白質之間的互動、協同作用，支撐起了生命的宏偉藍圖。
然而，蛋白質的結構復雜多變，傳統的實驗方法在解析蛋白質結構時既耗時又費力——蛋白質語言模型 (PLMs) 應運而生，利用深度學習技術，通過分析大量的蛋白質序列數據，學習蛋白質的生物化學規(guī)律和共進化模式，在蛋白質結構預測、適應性預測和蛋白質設計等領域取得了顯著成就，極大地推動了蛋白質工程的發(fā)展。
盡管 PLMs 在殘基尺度上取得了巨大成功，但在提供原子級信息方面的能力卻受到了限制。針對于此，清華大學智能產業(yè)研究院副研究員周浩聯合北京大學、學和水木分子團隊，提出了一種多尺度的蛋白質語言模型 ESM-AA (ESM All Atom)，通過設計殘基展開、多尺度位置編碼等訓練機制，拓展出了處理原子尺度信息的能力。
ESM-AA

原文鏈接：入選頂會ICML，清華AIR等聯合發(fā)布蛋白質語言模型ESM-AA，超越傳統SOTA

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例