一种文本引导的蛋白质设计框架
机器学习
2025-06-16 v4 人工智能
定量方法
机器学习
摘要
当前的人工智能辅助蛋白质设计主要利用蛋白质的序列与结构信息。与此同时，人类以文本形式整理了大量描述蛋白质高级功能的知识。然而，这类文本数据的引入是否有助于蛋白质设计任务尚未被探索。为弥补这一空白，我们提出 ProteinDT，一种利用文本描述进行蛋白质设计的多模态框架。ProteinDT 包含三个连续步骤：对齐两种模态表示的 ProteinCLAP、从文本模态生成蛋白质表示的 facilitator，以及从表示生成蛋白质序列的解码器。为训练 ProteinDT，我们构建了包含 441K 文本-蛋白质对的大规模数据集 SwissProtCLAP。我们在三个具有挑战性的任务上定量验证了 ProteinDT 的有效性：(1) 文本引导蛋白质生成的准确率超过 90%；(2) 在 12 个零样本文本引导蛋白质编辑任务上取得最佳命中率；(3) 在六个蛋白质属性预测基准中的四个上表现优越。
引用
@article{arxiv.2302.04611,
title = {A Text-guided Protein Design Framework},
author = {Shengchao Liu and Yanjing Li and Zhuoxinran Li and Anthony Gitter and Yutao Zhu and Jiarui Lu and Zhao Xu and Weili Nie and Arvind Ramanathan and Chaowei Xiao and Jian Tang and Hongyu Guo and Anima Anandkumar},
journal= {arXiv preprint arXiv:2302.04611},
year = {2025}
}