入選NeurIPS 24！浙大團隊提出全新去噪蛋白質語言模型DePLM，突變效應預測優于SOTA模型

AIGC動態歡迎閱讀

原標題：入選NeurIPS 24！浙大團隊提出全新去噪蛋白質語言模型DePLM，突變效應預測優于SOTA模型
關鍵字：蛋白質,模型,研究人員,語言,解讀
文章來源：HyperAI超神經
內容字數：0字

內容摘要：

作者：梅菜
編輯：十九，李寶珠
本研究所提出的全新去噪蛋白質語言模型 (DePLM) 不僅顯著提升了蛋白質優化性能，而且保持了強大的泛化能力。作為生物功能的主要載體，蛋白質結構和功能在數十億年的進化中所展示出的多樣性，為藥物發現和材料科學等領域的進步提供了重要機遇，然而，現有蛋白質的固有特性（如熱穩定性）在許多情況下往往無法滿足實際需求。因此，研究人員致力于通過優化蛋白質來增強其特性。
傳統的深度突變掃描 (DMS) 和定向進化 (DE) 依賴于昂貴的濕實驗技術，與之相比，基于機器學習的方法能夠快速評估突變效果，對高效的蛋白質優化至關重要。其中，一種應用廣泛的研究途徑是利用進化信息 (Evolution Information) 來檢驗突變效果。進化信息可以通過氨基酸在蛋白質序列中某一位置出現的可能性來推斷突變效果。為了計算將一種氨基酸突變為另一種的相關概率，主流方法使用訓練在數百萬蛋白質序列上的蛋白質語言模型 (PLMs)，以自監督的方式捕捉進化信息。
然而，現有的方法通常有 2 個關鍵方面被忽視——首先，現有方法未能去除無關的進化信息，進化是為了滿足生存需求而同時優化多個特性，這往

原文鏈接：入選NeurIPS 24！浙大團隊提出全新去噪蛋白質語言模型DePLM，突變效應預測優于SOTA模型