DynamicsPLM:用分子动力学增强 35M 参数蛋白质语言模型预测变异效应
DynamicsPLM: A Dynamics-Enriched Small Protein Language Model for Protein Variant Effect Prediction
研究提出 DynamicsPLM,一个 35M 参数的小型蛋白质语言模型,通过第二阶段多任务持续预训练融合序列进化与分子动力学信息,用于仅凭序列零样本预测突变效应。模型在超过 60,000 个蛋白质上训练,在 ProteinGym 和 Tsuboyama 折叠稳定性数据集上取得 100M 参数以下模型中的领先准确率,并可匹配或超过若干十亿级序列模型。代码与训练配置已在 GitHub 公开。
预印本 · biorxiv · 10.64898/2026.11.11.765945
本站摘要基于收录版本 v1(2026-11-13),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
预测突变如何影响蛋白质功能与稳定性,仍是计算生物学中的一个关键挑战。当前最先进的蛋白质语言模型(PLM)主要通过在序列语料上扩大参数规模来捕捉进化约束,但对折叠蛋白质的显式物理动力学仍视而不见。相反,严格基于物理动力学训练的模型则忽略了关键的进化序列统计信息。在本文中,我们通过引入 DynamicsPLM 来弥合这一差距,这是一个高度参数高效的 3500 万参数模型,统一了进化与生物物理表示学习。我们利用在超过 60,000 个蛋白质上进行的第二阶段多任务持续预训练策略,在保留基础序列编码器原有进化知识的同时,为其增加了显式的残基级和成对分子动力学预测头。在推理时,DynamicsPLM 仅凭序列即可计算零样本突变效应,方法是将进化合理性分数与结构动力学破坏分数进行权衡。在大规模 ProteinGym 基准以及 Tsuboyama 折叠稳定性数据集的天然变体上,DynamicsPLM 在所有 1 亿参数以下的模型中达到了最先进的准确率,并达到或超越了若干与其规模相当的十亿级序列模型。我们的研究结果表明,显式结构动力学监督提供了一种参数高效的替代方案,无需单纯扩大规模。可用性:包括数据准备脚本、训练与验证流程以及 LoMuS 实验配置在内的全部代码,均可在以下地址获取:https://github.com/kabir-ai2bio-lab/DynamicsPLM。
来源:bioRxiv · biorxiv.org