跳到正文

技术方向

序列设计与蛋白语言模型 / ProteinMPNN · ESM3 最新动态

给定结构设计序列(逆折叠)与蛋白语言模型的训练和应用。

共 53 条动态近 30 天 42 条

更新

序列设计与蛋白语言模型 / ProteinMPNN · ESM3的动态

11月14日周六第 1–20 条
  1. bioRxiv59

    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

    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。

11月13日周五
  1. Nature CommunicationsIF(5) 18.966

    miProbe:收录1.08×10^9条微生物肽并提供8 TB蛋白语言模型嵌入的平台

    研究团队提出 miProbe 平台,汇集来自不同生境的 1.08×10^9 条微生物肽,并提供 8 TB 预计算蛋白语言模型嵌入。平台嵌入示例包括 ESM2-650M 和 ProtT5-XL-U50,提供 API 便于模型集成,入口为 https://www.biosino.org/iMAC/miProbe。

    推荐理由:平台汇集1.08×10^9条微生物肽并提供8 TB预计算蛋白语言模型嵌入,为功能肽挖掘提供了可复用的大规模数据入口。

11月12日周四
  1. bioRxiv60

    来源更新 2026-11-13

    用稀疏自编码器揭示ProteinMPNN的蛋白特征

    研究团队将稀疏自编码器引入ProteinMPNN,扩展其潜在空间,并发现稀疏维度激活与二级结构、残基体积、残基形状、二硫键及配体配位等蛋白特征相关。他们还通过操纵稀疏激活,生成比基于高温分子动力学模拟的传统机器学习方法更热稳定的Brolucizumab短链可变片段变体。该工作同时提供对蛋白设计模型的机制理解和对序列预测的可定制操纵。

  2. bioRxiv53

    研究审计蛋白质语言模型的重复引导与激活读数,指出置信度预测不能说明可折叠性

    一项 bioRxiv 预印本研究审计了已发表的重复引导、ESMFold 置信度与激活读数,结论是能预测置信度门槛并不能说明设计可折叠。引导在操作点保持了置信度,但拟合出的悬崖出现在 alpha_50 = 1.240x,扫描自身对照为 64.0%;未引导的生成器激活可预测置信度门槛,ROC-AUC 为 0.786 ± 0.004。

  3. bioRxiv45

    来源更新 2026-11-14

    超越序列与结构:Biophysical Transformer 在连续生物物理场上预训练蛋白质语言模型

    Biophysical Transformer 把连续生物物理场作为序列与结构之外的第三种预训练信号,模型仅凭序列预测每个三残基 token 周围的静电势。在 FLIP Meltome 热稳定性基准的两组人类划分上,该场目标在双方所有已训练头上提升 Spearman 相关性,去除与预训练语料重叠的测试蛋白后仍成立。模型规模为 1.1M 参数;混合物种划分无此增益,且结果仅基于每臂一次预训练运行。

11月11日周三
  1. bioRxiv57

    DecoyOpt 提出两阶段流程用于诱饵感知酶判别与 EC 号预测

    作者提出 DecoyOpt 两阶段流程,先用 ESM3 生成功能位点诱饵,并由 MLP 区分酶、未注释蛋白与诱饵,再由对比学习模型预测 EC 号。该流程在三种拆分上评估了 16 个蛋白质语言模型,在最严格的 GraphPart 40% 拆分上取得 MCC 0.899 和 D0 诱饵 FPR 6.17%,优于重训基线。它还能正确注释全部 4 个野生型酶,并拒绝全部 8 个失活或近失活变体。

11月10日周二
  1. bioRxiv43

    蛋白质复合物中六残基Ω环:甘氨酸-脯氨酸驱动柔性与界面依赖保守性

    研究者从多样蛋白质复合物中鉴定到1205个氢键型和6518个非氢键型六残基Ω环。甘氨酸和脯氨酸富集,脯氨酸偏好第四位;ProteinMPNN与Rate4Site分析显示,专性同/异二聚体界面环比非界面环更保守,瞬时和晶体二聚体趋势相反。TEM1 β-内酰胺酶Ω环案例显示,微小序列变化可改变酶活性和耐药性。

11月7日周六
  1. bioRxiv44

    来源更新 2026-11-10

    pLM-bVAE:融合蛋白质语言模型表示改进量子退火蛋白质序列设计

    pLM-bVAE 把预训练蛋白质语言模型(pLM)得到的表示引入原 bVAE 模型,为量子退火(QA)蛋白质序列设计提供二元编码。在三个公开蛋白质变体数据集上,其序列重建准确率与二元编码性能均优于 bVAE,并生成更多高分且与训练、验证数据差异更大的序列。源码已在 GitHub 公开。

11月6日周五
  1. bioRxiv53

    来源更新 2026-11-10

    BacLLM 通过语言引导的域适应提升抗微生物耐药性分析中的蛋白质序列表征

    作者开发了 BacLLM,一个将注释来源的功能知识注入蛋白质语言模型表征、用于 WHO 优先病原菌抗微生物耐药性分析的框架。它通过序列增强、UniProt 注释语义丰富和跨模态对比学习,把 LLM 编码的注释先验迁移到序列编码器。摘要报告,BacLLM 在耐药基因识别和机制预测上相比基线提供更有信息量的表征,能在单残基分辨率捕获耐药相关突变信号,并改善噬菌体疗法的菌株级宿主匹配。

  2. bioRxiv65

    Protify 基准平台发布,揭示蛋白质语言模型评估的任务依赖与同源泄漏

    研究团队发布开源基准平台 Protify,支持 35 个预训练模型和 61 个精选数据集,覆盖零样本、监督与迁移学习。在 ProteinGym 上评测 23 个模型后,DPLM3B 为当前最佳自监督编码器;跨 32 项监督任务没有单一模型全面领先,14 个模型至少在一项数据集上得分最高,前两名差距落在运行间波动内。

  3. GEN 新闻71

    剑桥团队AI设计的广谱禽流感疫苗DVX-panH5Nx在临床前试验中优于储备疫苗

    剑桥大学和DIOSynVax团队在《Cell Reports Medicine》报告,其AI设计的多抗原mRNA禽流感疫苗DVX-panH5Nx在临床前动物试验中提供完全保护。面对多种H5N1变异株,现有储备疫苗仅保护约50%的动物,新疫苗则实现完全保护。团队用AI整合全球病毒基因序列设计广谱抗原,并表示下一步是推进人体临床试验。

    推荐理由:研究对比了AI设计的多抗原mRNA疫苗与现有储备疫苗在动物试验中的保护表现,读者可了解广谱疫苗的设计思路。

11月5日周四
  1. Nature CommunicationsIF(5) 18.965

    蛋白质语言模型引导设计极简功能性凝聚层囊泡

    研究提出一种由蛋白质语言模型引导的极简凝聚层囊泡设计,仅由寡聚生物分子组成,无需化学修饰或外部燃料。精氨酸富集寡肽与竞争性阴离子寡聚物可自组装成寡聚凝聚层囊泡(OCVs),实验与分子动力学模拟显示组装受静电与疏水平衡调控,并可在多类寡聚物组合中形成囊泡。该策略还可对 OCVs 进行功能化,使其选择性识别并包裹 DNA G-四链体结构。

    推荐理由:研究把蛋白质语言模型用于极简凝聚层囊泡的序列设计,并结合实验与模拟给出可编程囊泡的组装和功能化规则。

11月4日周三
  1. bioRxiv72

    研究团队在大肠杆菌中量化超 39,000 个蛋白变体的单体产量并开发 ESMC-MonoYield

    研究团队开发了一种结合肽条码、尺寸排阻色谱和质谱的混合检测方法,在统一的大肠杆菌生产条件下量化了超过 39,000 个蛋白变体的单体产量。基于该数据集,团队评估了折叠稳定性与产量的关系、逆折叠方法和结构预测置信度指标,并开发了仅凭氨基酸序列预测产量的蛋白语言模型 ESMC-MonoYield。研究还针对 BindCraft 设计的结合蛋白展示了高产候选的富集。

    推荐理由:超过 39,000 个蛋白变体的标准化产量数据,为评估逆折叠方法和筛选设计候选提供了统一参照。

  2. bioRxiv53

    XAMPGen:用于新型抗菌肽发现的可解释 SI 管线

    研究团队提出 XAMPGen 管线,微调蛋白质语言模型 ProGen 生成新型抗菌肽,并用可解释 SI 分析模型决策。候选序列按预测 MIC 和结构活性人工判断筛选后进入实验,所有生成并测试的肽段在 MIC 生物实验中均显示抗菌活性。荧光和圆二色光谱测量提供了结构信息,分析还显示序列模式与抗菌膜模拟物结合特性的关联。