用层次条件扩散模型解析蛋白质生成
机器学习
2025-12-04 v2
摘要
生成新颖且功能性的蛋白质序列对于生物学中的广泛应用至关重要。条件扩散模型的最新进展在蛋白质生成任务中显示出令人印象深刻的实证性能。然而，在从头蛋白质设计中，特别是在条件扩散模型方面，可靠的蛋白质生成仍然是一个开放的研究问题。考虑到蛋白质的生物学功能由多层次结构决定，我们提出了一种新颖的多层次条件扩散模型，该模型整合了基于序列和基于结构的信息，用于由指定功能引导的高效端到端蛋白质设计。通过同时生成不同层次的表示，我们的框架能够有效建模不同层次之间固有的层次关系，从而为生成的蛋白质产生信息丰富且具有判别性的表示。我们还提出了 Protein-MMD，一种新的可靠评估指标，用于评估使用条件扩散模型生成的蛋白质的质量。我们的新指标能够捕捉真实蛋白质序列与生成蛋白质序列之间的分布相似性和功能相似性，同时确保条件一致性。我们在基准数据集上进行了实验，条件蛋白质生成任务的结果证明了所提出的生成框架和评估指标的有效性。
引用
@article{arxiv.2507.18603,
title = {Demystify Protein Generation with Hierarchical Conditional Diffusion Models},
author = {Zinan Ling and Yi Shi and Brett McKinney and Da Yan and Yang Zhou and Bo Hui},
journal= {arXiv preprint arXiv:2507.18603},
year = {2025}
}