跳到正文
bioRxiv· Xiong, Y.; Ren, J.; Wei, X.; Li, X.; Li, J.; Wei, W.·· 来源仅提供日期AI 评分60

联合蛋白-DNA语言模型PDLMs实现DNA识别特异性预测与改造

Joint protein-DNA language modeling enables prediction and engineering of DNA recognition specificity

AI 导读

研究者开发了联合蛋白-DNA语言模型PDLMs,从ESM2继续预训练,并用共享编码器把氨基酸与核苷酸放入同一分子语境。模型采用在DNA结合域内提高掩码概率的结构域感知掩码策略,在下游任务中提升了蛋白-DNA配对分类,并支持预测突变相关结合变化。零样本打分能找回已知的DNA识别特异性变化并优先排序编辑活性更高的变体,微调后还可从蛋白序列直接预测DNA基序。

预印本 · biorxiv · 10.64898/2026.11.05.763984

本站摘要基于收录版本 v1(2026-11-07),原始摘要与 AI 导读固定保留。

来源最近更新: · 来源 v2

摘要 · AI 翻译

蛋白质-DNA 识别特异性是转录调控、DNA 复制、染色质重塑和基因组编辑的基础。蛋白质-DNA 识别依赖于相互作用的双方序列,然而在预训练期间显式学习这种跨分子依赖性的语言模型仍然有限。在此,我们开发了蛋白质-DNA 语言模型(PDLMs),这是一种能够联合表示蛋白质和 DNA 序列的交互感知语言模型。PDLMs 通过在配对的蛋白质-DNA 序列上使用掩码语言建模,从 ESM2 进行继续预训练而构建。一个共享编码器将氨基酸和核苷酸置于相同的分子上下文中,从而实现条件序列打分和可迁移的配对表示。我们进一步引入了一种领域感知的掩码策略,通过提高 DNA 结合域内的掩码概率来加强对交互相关区域的学习。在各项下游任务中,与独立编码器基线相比,PDLMs 改进了蛋白质-DNA 配对分类,并支持预测与突变相关的结合变化。零样本打分恢复了已知的 DNA 识别特异性变化,并优先筛选出具有更高编辑活性的变体。所学习的表示还支持跨研究预测碱基编辑器活性。在转录因子结合数据上微调后,PDLMs 能够直接从蛋白质序列预测 DNA motif。总之,PDLMs 为交互感知的生物分子语言建模提供了一个框架,在蛋白质工程和基因组编辑方面具有潜在应用。

来源:bioRxiv · biorxiv.org