PLM重大突破！上海交大與上海AI Lab最新成果入選NeurIPS 24，ProSST有效整合蛋白質結構信息

AIGC動態歡迎閱讀

原標題：PLM重大突破！上海交大與上海AI Lab最新成果入選NeurIPS 24，ProSST有效整合蛋白質結構信息
關鍵字：結構,蛋白質,模型,序列,解讀
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：十九，李寶珠
上海交通大學自然科學研究院/物理天文學院/張江高研院/藥學院洪亮教授課題組，上海交大助理研究員周冰心，聯合上海人工智能實驗室青年研究員談攀，成功開發出具有結構感知能力的預訓練蛋白質語言模型 ProSST，能夠將蛋白質結構和氨基酸序列信息有效融合，從而在監督學習任務中顯著超越現有模型。蛋白質作為生命體的關鍵分子，其序列決定結構，結構決定功能，蛋白質的功能與其三維結構緊密相關。數十年來，科學家們利用 X 射線晶體學、核磁共振等技術，解析了數千種蛋白質結構，為人們理解蛋白質功能提供了重要線索。然而，面對數百萬級別的蛋白質數量，解析所有蛋白質結構的任務顯得異常艱巨。
受自然語言處理領域中預訓練語言模型的啟發，預訓練的蛋白質語言模型 (PLMs) 應運而生。通過在海量未標記的蛋白質序列數據上進行學習，PLM 能夠捕捉到蛋白質序列的復雜模式和相互作用，這為蛋白質功能的預測、結構分析以及蛋白質-蛋白質相互作用的識別帶來了性的進步。
然而，大多數 PLM 主要關注蛋白質序列建模，忽略了結構信息的重要性，這主要是因為結構數據的缺乏。隨著 AlphaFold 和 Ro

原文鏈接：PLM重大突破！上海交大與上海AI Lab最新成果入選NeurIPS 24，ProSST有效整合蛋白質結構信息