De Novo功能蛋白序列生成：通过再生和大模型克服数据稀缺问题
应用统计
2025-03-28 v1
摘要
蛋白质是所有生命形式的关键组成部分，在细胞存活中发挥关键作用。它们在临床治疗和材料工程等方面具有广泛应用，从而催化了蛋白质设计的发展，其中氨基酸序列设计是关键步骤。最近的深度生成模型在蛋白质序列设计方面显示出前景。然而，某些类型的功能蛋白质序列数据的稀缺会阻碍这些模型的训练，这些模型通常需要大数据集。为解决这一挑战，我们提出了一个名为 ProteinRG 的层次模型，可使用相对较小的数据集生成功能蛋白质序列。ProteinRG 开始通过利用现有的大型蛋白质序列模型生成蛋白质序列的表示，然后产生功能蛋白质序列。我们在各种功能蛋白质序列上测试了我们的模型，从三个角度评估结果：多序列对齐、t-SNE 分布分析和 3D 结构预测。发现表明，我们生成的蛋白质序列保持与原始序列的相似性并与所需功能一致。此外，我们的模型在蛋白质序列生成方面表现出优于其他生成模型的优势。
引用
@article{arxiv.2503.21123,
title = {De Novo Functional Protein Sequence Generation: Overcoming Data Scarcity through Regeneration and Large Models},
author = {Chenyu Ren and Daihai He and Jian Huang},
journal= {arXiv preprint arXiv:2503.21123},
year = {2025}
}