面向生物分子理解与设计的人类指令驱动模型
计算与语言
2025-07-28 v2 生物大分子
摘要
理解和设计生物分子，如蛋白质和小分子, 是推动药物发现、合成生物学和酶工程的核心任务。近期的人工智能突破 revolutionized 了生物分子研究，实现了在生物分子预测和设计方面的显著准确性。然而, 在人类直观目标与人工智能计算能力之间仍存在关键鸿沟，尤其是在使用自然语言桥接复杂任务与人类意图方面。大型语言模型显示出解释人类意图的潜力, 但其应用于生物分子研究仍处于初级阶段, 由于包括专业知识需求、多模态数据集成以及自然语言与生物分子之间的语义对齐等挑战。为此, 我们提出了 InstructBioMol, 一个大型语言模型, 通过自然语言、分子和蛋白质之间的全方位 any-to-any 对齐, 将自然语言与生物分子相连。该模型可以将多模态生物分子作为输入, 并使研究人员能够用自然语言表达设计目标, 提供满足特定生物学需求的生物分子输出。实验结果表明, InstructBioMol 能够遵循人类指令理解和设计生物分子。特别是, 它能够生成结合亲和力提高 10% 的药物分子, 并设计出实现酶-底物对预测得分 70.4 的酶。这凸显了其在实际生物分子研究中发挥变革性作用的潜力。代码已公开于 https://github.com/HICAI-ZJU/InstructBioMol。
引用
@article{arxiv.2410.07919,
title = {Advancing biomolecular understanding and design following human instructions},
author = {Xiang Zhuang and Keyan Ding and Tianwen Lyu and Yinuo Jiang and Xiaotong Li and Zhuoyi Xiang and Zeyuan Wang and Ming Qin and Kehua Feng and Jike Wang and Qiang Zhang and Huajun Chen},
journal= {arXiv preprint arXiv:2410.07919},
year = {2025}
}