定制蜘蛛丝：具有机械属性条件的生成模型蛋白工程
机器学习
2025-10-23 v2
摘要
蜘蛛丝包括其拉伸强度和可拉伸性在内的显著机械属性，主要由构成纤维的重复区域蛋白决定，主要由 MaSps 蛋白决定。然而，由于 MaSps 复杂的序列-结构-功能关系以及限于已注释数据集的稀缺性，建立机械特性与重复序列之间的相关性具有挑战性。本研究我们提出一种新型计算框架，用于设计具有可定制机械属性的 MaSp 重复序列。为实现这一目标，我们开发了一个基于 GPT 的轻量级生成模型，通过蒸馏预训练的 ProtGPT2 蛋白语言模型获得。该蒸馏模型使用 Spider Silkome 数据集的精选子集进行多级微调。具体而言，我们针对 MaSp 重复序列开发了模型，使用 6000 个 MaSp 重复序列，进一步用 572 个与实验确定的纤维级机械属性相关联的重复序列进行细化。我们的模型生成具有特定机械属性的生物学上合理的 MaSp 重复区域，同时还能预测给定序列的机械属性。验证包括序列水平分析，评估理论的力学属性和关键 motifs 的预期分布以及次级结构组成。对 Spider Silkome 数据集和一组已知机械属性的 MaSp 重复序列的 BLAST 关联研究进一步确认了模型的预测准确性。这一框架推进了以蜘蛛丝为灵感的生物材料的理性设计，提供了一种灵活的工具，用于工程具有定制机械属性的蛋白序列。
引用
@article{arxiv.2504.08437,
title = {Customizing Spider Silk: Generative Models with Mechanical Property Conditioning for Protein Engineering},
author = {Neeru Dubey and Elin Karlsson and Miguel Angel Redondo and Johan Reimegård and Anna Rising and Hedvig Kjellström},
journal= {arXiv preprint arXiv:2504.08437},
year = {2025}
}
备注
23 pages, 11 figures