跳到正文
arXiv· Yikun Zhang; Minghao Guo; Guangxue Xu; Peter Yichen Chen; Wojciech Matusik; Wengong Jin; Jingjing Chai; Kaiyi Jiang·· 7 天前精选AI 评分71

ProTEUS:用于闭环蛋白质进化的突变分辨世界模型

ProTEUS: A mutation-resolved world model for closed-loop protein evolution

AI 导读

ProTEUS 是用于闭环蛋白质进化的突变分辨世界模型,在 zero-shot 和有监督微调的突变预测任务上超过现有模型。它用 MutationFormer 的突变偏置注意力学习序列、进化和结构联合表示,并用物理约束全原子预测器实现比 AlphaFold3 快 10 倍以上且保证物理有效性的预测。

推荐理由

这一工作把突变预测、快速全原子结构与闭环实验反馈放进同一框架,便于理解蛋白质定向进化的计算与实验衔接。

预印本 · arxiv · 2611.13348

本站摘要基于收录版本 v1(2026-11-11),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v1

摘要 · AI 翻译

蛋白质工程需要在崎岖的适应度景观中穿行,其中微小的序列变化可能带来巨大的功能差异,而实验筛选只能采样序列空间的一小部分。因此,核心挑战在于如何在计算机中高效地遍历庞大的组合突变空间。我们提出 ProTEUS,一个用于闭环蛋白质进化的突变分辨世界模型。ProTEUS 在深度突变扫描实验上进行预训练,通过 MutationFormer——一种突变偏置的注意力架构——学习序列、进化与结构信息的联合表示。变体在该联合潜在空间中被表示为状态,突变则定义为动作,其功能后果可被预测。为支持大量突变体的探索,我们开发了一个快速的、受物理约束的全原子预测器,它利用显式的几何约束强制机制,实现了比 AlphaFold3 快 >10 倍的速度,同时保证物理有效性。最后,ProTEUS 通过闭环实验反馈不断改进其对蛋白质活性的预测与理解,从而引导进化朝向期望的表型。ProTEUS 在零样本和监督微调的突变预测任务中均超越了现有模型。我们在醛脱氢酶和果聚糖蔗糖酶上开展了两项闭环多目标工程实践,实验验证了其实用性,获得了活性比野生型高 >10 倍的变体。ProTEUS 提供了一个世界模型框架,将突变结果的虚拟评估与实验学习相连接,以实现高效的蛋白质进化。

来源:arXiv · arxiv.org