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

动态归档 · 第 2 页

11月3日周二第 21–40 条
10月31日周六
  1. arXiv44

    POME:面向离线生物序列设计的不确定性感知质量-多样性优化框架

    研究者提出 POME(Prior-guided Offline MAP-Elites),一个面向离线生物序列设计的不确定性感知质量-多样性(QD)优化框架,用基础模型作为先验把搜索引向生物学上合理的区域。在三个序列设计任务上,POME 的性能与多样性均优于此前的离线 QD 方法。对比离线 MBO 基线,它在两个任务上取得最佳、第三个任务位列第二,同时保持较高的多样性与新颖性。

  2. bioRxiv73

    来源更新 2026-11-04

    基因组语言模型 Evo 2 实现少样本调控 DNA 序列设计

    研究显示,基因组语言模型 Evo 2 无需额外训练,仅凭数十个示例即可生成新的、多样的调控 DNA 序列。机制分析提示这种基因组 ICL 可能源自归纳机制,以序列到功能模型为奖励的强化学习还能进一步增强 ICL。

    推荐理由:材料给出 Evo 2 从少量示例到人细胞和小鼠验证的完整链路,便于观察基因组语言模型的 ICL 如何落到序列设计。

10月30日周五
10月29日周四
10月28日周三
  1. Nature Computational ScienceIF(5) 21.967

    Hi-TPH:用于准确预测 T 细胞受体-pHLA 结合的机器学习数据集与基准

    论文提出用于 TCR-pHLA 结合预测的 Hi-TPH 大规模分层数据集与基准,并开发在其上微调的 Hi-TPH-PLMs 蛋白语言模型集合。该模型集合在外部湿实验测试集上比当前最先进工具提升 19.2%,数据集还采用 on-the-fly 选择方法生成非结合样本。Hi-TPH 与 Hi-TPH-PLMs 已公开释出,作者利用分层结构分析了不同分子组分对结合预测的贡献。

    推荐理由:论文给出大规模分层 TCR-pHLA 数据集和配套蛋白语言模型,外部湿实验测试集上 19.2% 的提升可作为比较数据构建与建模选择的参考。

  2. Nature CommunicationsIF(5) 18.960

    AbOptimizer 用大语言模型与强化学习优化治疗性抗体多属性序列

    论文提出 AbOptimizer,一个通过并行多位点序列编辑实现抗体多属性优化的强化学习框架。该框架先确定可编辑位点与编辑动作(保留、替换及可选的插入或缺失),再由蛋白质语言模型推荐突变,并用代理评估与 Pareto 奖励训练策略。

    推荐理由:论文给出 AbOptimizer 在三种抗体上的计算与体外验证结果,可供比较多属性协同优化的强化学习路线。

  3. Cell Chemical BiologyIF(5) 9.265

    共享α螺旋嵌合亲和体实现无连接子双特异性蛋白设计

    研究团队提出Chimeraffibody(CAB)无连接子双特异性蛋白支架,通过共享α螺旋编码结构域几何。该支架由AlphaSync结构设计框架结合ProteinMPNN序列优化,以HER2结合亲和体与白蛋白结合域构建的861CM保留亲本抗原结合位点。在结合白蛋白状态下,861CM对HSA和HER2的亲和力分别约为14.3 pM和610 pM,体内成像显示持续肿瘤定位并降低肝、肾背景。

    推荐理由:读者可据此了解共享α螺旋如何替代柔性连接子来固定双特异性蛋白的结构域几何,并看到AlphaSync与ProteinMPNN的序列设计流程。

10月27日周二
  1. bioRxiv44

    从零构建:用数据增强提升蛋白质语言模型在蛋白质集上的性能

    研究考察了多种蛋白质语言模型(pLM)在训练数据不足时的学习表现,并测试数据增强能否提升预测性能。结果显示,若模型只需泛化到分布内数据,缩窄有限数据集中蛋白-蛋白复合物的分布可使训练集规模降低一个数量级。用生成式 pLM ESM-3 生成的复合物扩充训练集后,主动学习中分布内与分布外的 MCC 均出现小幅但一致的提升。

10月24日周六
  1. Nature CommunicationsIF(5) 18.964

    研究提出基于 ESM 的 KaML-ESMs 预测蛋白质静电性质

    研究提出基于 ESM 蛋白语言模型的 KaML-ESMs,用序列预测六类残基的电离常数,在四个基准上优于其他方法,原生蛋白中均方根误差约 0.5 个单位。在 89 个缺乏进化支持的埋藏工程突变上性能下降,作者认为监督训练可能帮助克服这一限制。将 KaML-ESM2 用于整个人类蛋白质组时,预测的 pKa 可识别功能位点并推断催化机制,团队同时提供 KaML 预测平台。

    推荐理由:论文用 ESM 蛋白语言模型预测电离态,在四个基准上报告误差并讨论埋藏突变的性能下降,读者可据此了解该方法的适用范围。

10月23日周五
10月22日周四
  1. arXiv62

    Trion-1 发布:统一语言、蛋白质序列与结构的扩散语言模型

    研究团队提出 Trion-1,一个面向蛋白质的原生统一多模态扩散语言模型(dLLM)。它用统一的离散 token 空间同时表示序列、结构和自然语言,并以双向或半双向 token 交互替代严格从左到右的分解,统一了折叠、逆折叠、序列理解、结构理解、序列设计和结构设计六项能力,同时保留通用 LLM 的语言能力。

  2. bioRxiv56

    蛋白质表示能否编码变体功能?IGLOO 框架诊断残基级归因

    研究团队提出 IGLOO 框架,用具有已知逐残基重要性的合成适应度景观评估蛋白质语言模型的残基级归因。结果显示,预测准确率高并不保证归因忠实;一些模型干预使归因技能分数提高一倍以上,并将 TOPSIS 提升 29%。在真实的 α-淀粉酶和 β-内酰胺酶数据集上出现相似模式,IGLOO 也为选择序列编辑时的残基归因默认设置提供参考。

  3. arXiv57

    逃离系统发育陷阱:持续同调结合多模态图神经网络实现跨物种离子通道分类

    论文提出 PH-GNN,以持续同调拓扑描述符结合 ESM-2 序列嵌入和二硫键感知图注意力网络,在跨物种离子通道分类任务上取得 63.4% 准确率。在覆盖五个分类群、1,373 个 ColabFold 预测毒液化合物的留一分类群评估中,常规随机划分下各模型准确率相近(81-86%),但分类群偏移时序列基线降至约 30%,其他几何先验集中在 54-55%。

10月21日周三
10月20日周二
  1. bioRxiv74

    研究用 AI 设计蛋白绕过现有生物安全筛查,并提出边缘 AI 折叠筛查系统 Capiti

    研究团队提出端侧筛查系统 Capiti,它无需联网即可运行,直接监听 DNA 合成仪的阀门控制信号,在检测到致病功能迹象时中止合成。该系统不做序列比对,而是训练 CNN 识别蛋白质折叠,并用 ProteinMPNN 生成已知致病蛋白的假定功能变体,与活性位点敲除、乱序序列和诱饵序列区分。

    推荐理由:摘要给出了与两种常用筛查软件的放行比例对比,可据此判断基于折叠识别的端侧筛查在生物安全场景中的定位。

  2. bioRxiv70

    Chaperone 框架用工具编排实现可靠高效的智能体蛋白设计

    研究团队提出 Chaperone,一个把 RFdiffusion3 与 ProteinMPNN、AlphaFold3 等 50 多个蛋白设计工具接入智能体流程的轻量可定制框架。

    推荐理由:Chaperone 在九项设计任务中与基线智能体对比,报告 token 用量下降 86% 和 GPU 成本下降 64%,可作为长流程智能体设计的效率参照。

10月19日周一
  1. Rosetta Commons65

    Rosetta Commons 发布 Chaperone 蛋白设计工作流统一框架

    Rosetta Commons 在 GitHub 组织下发布 Chaperone,一个用于构建、执行和评估结构生物学工作流的统一框架。该框架由华盛顿大学蛋白质设计研究所成员开发,为 RFdiffusion3、AlphaFold3、ProteinMPNN、Boltz-2 等组件提供文档化的 block,并支持分支流程、并行任务提交和迭代循环。

    推荐理由:框架把蛋白设计各环节拆成可组合模块,并内置任务编排与数据溯源,便于评估自建流程的整合成本。