Bridge-IF: 通过马尔可夫桥学习逆向蛋白质折叠
机器学习
2024-11-05 v1 人工智能
生物大分子
摘要
逆向蛋白质折叠是计算蛋白质设计中的基础任务，旨在设计能够折叠成目标骨架结构的蛋白质序列。尽管该任务的机器学习算法开发已取得显著成功，但主流方法主要采用判别式建模，经常遇到误差累积问题，且往往无法捕捉大量合理序列的多样性。为填补这些空白，我们提出了 Bridge-IF，一种用于逆向折叠的生成式扩散桥模型，旨在学习骨架结构分布与蛋白质序列之间的概率依赖关系。具体而言，我们利用一个表达力强的结构编码器提出一个源自结构的离散、信息丰富的先验，并建立马尔可夫桥将该先验与天然序列连接。在推理阶段，Bridge-IF 逐步优化先验序列，最终生成更合理的设计。此外，我们从参数化角度重新审视马尔可夫桥模型，并由此推导出一个简化的损失函数，有助于更有效的训练。我们还通过结构条件对蛋白质语言模型（PLM）进行调制，以精确近似马尔可夫桥过程，从而在保持参数高效训练的同时显著提升生成性能。在广泛使用的基准数据集上的大量实验表明，Bridge-IF 在序列恢复方面优于现有基线，并在设计具有高可折叠性的合理蛋白质方面表现出色。代码可在 https://github.com/violet-sto/Bridge-IF 获取。
引用
@article{arxiv.2411.02120,
title = {Bridge-IF: Learning Inverse Protein Folding with Markov Bridges},
author = {Yiheng Zhu and Jialu Wu and Qiuyi Li and Jiahuan Yan and Mingze Yin and Wei Wu and Mingyang Li and Jieping Ye and Zheng Wang and Jian Wu},
journal= {arXiv preprint arXiv:2411.02120},
year = {2024}
}
备注
NeurIPS 2024