HyInv 蛋白质逆折叠模型发布,1.96M 参数单卡 50.6 毫秒设计 128 条序列
HyInv Technical Report
研究团队提出蛋白质逆折叠模型 HyInv,这是一个 1.96M 参数的骨干条件图网络,采用编码器-解码器架构,由团队自研的 Hyra 2.0 研究智能体先做随机顺序自回归预训练,再做结构奖励强化学习。
预印本 · arxiv · 2611.11997
本站摘要基于收录版本 v1(2026-11-10),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
逆折叠为给定的蛋白质骨架设计氨基酸序列,而筛选需要大量既多样又折叠良好的候选序列。我们提出 HyInv,这是一个拥有 196 万参数、采用编码器-解码器架构的骨架条件图网络,由我们团队开发的研究智能体 Hyra 2.0 训练而成:先通过随机顺序自回归序列建模进行预训练,随后进行结构奖励强化学习。在推理阶段,一种使用独立草稿温度和重写温度的分组草稿-重写采样器,在相同多样性下提升了重折叠 TM-score。采用 BF16 数值精度的优化实现可在单块 NVIDIA H20 GPU 上于 50.6 毫秒内为 402 残基的骨架设计 128 条序列,比参考采样器快约 52 倍;而返回参考序列的精确 FP32 路径则快 8.7 倍。在五个基准数据集和七个数据集-预测器组合中,HyInv 在相当或更高的序列多样性下,平均 scTM 达到的水平高于全部十个外部基线,并大幅领先 ProteinMPNN 和 ProteinZero V2。同一默认设置支持从头设计骨架、口袋约束文库、保留催化位点的酶重设计以及环区重设计。我们已在 https://github.com/Tencent-Hunyuan/Hyra-results/tree/main/AI4Science/hyinv 发布代码和模型。
来源:arXiv · arxiv.org