一种用于缩减蛋白质而保持其功能的扩散模型

许多在现代医学或生物工程中有用的蛋白质难以在实验室中制备，难以在细胞内与其他蛋白质融合，或难以向组织输送，因为其序列太长。通常情况下，缩短这些序列涉及昂贵且耗时的实验活动。理想情况下，我们可以使用来自自然界大规模序列数据库的现代模型来学习如何提出类似自然界中发现的缩减蛋白质。然而，这些模型在高效搜索所有删除组合空间方面困难，而且没有针对学习删除方式的归纳偏置进行训练。为此，我们提出了 SCISOR，一种新的离散扩散模型，通过删除序列中的字母来生成与自然界中发现的序列相似的蛋白质样本。为此，SCISOR 训练一个去噪器，以反转一个正向加噪过程，该过程向自然序列中添加随机插入。作为生成模型，SCISOR 在与以往大型模型相竞争的同时，适合进化序列数据。在评估方面，SCISOR 实现了对 ProteinGym 上删除功能影响的州际最佳预测。最后，我们使用 SCISOR 去噪器缩短长蛋白质序列，并表明其建议的删除结果比以往的进化序列模型更具现实性，更常保留功能 motifs。