DisorderUnetLM: 验证 ProteinUnet 以高效预测蛋白质内在无序
机器学习
2025-08-19 v3 生物大分子
摘要
内在无序区的预测对于理解蛋白质功能和动力学具有重要意义。它有助于发现对设计新药和酶至关重要的新型蛋白质-蛋白质相互作用。最近，基于蛋白质语言模型的新一代预测器正在兴起。这些算法无需计算耗时的多序列比对即可达到 SOTA 的准确度。本文介绍了新的 DisorderUnetLM 无序预测器，它建立在 ProteinUnet 的思想之上。它使用 Attention U-Net 卷积神经网络，并结合了来自 ProtTrans pLM 的特征。DisorderUnetLM 在与利用 MSAs 和 pLMs 的最新预测器的直接比较中取得了顶尖结果。此外，在来自最新 CAID-2 基准测试的 43 个预测器中，它在 Disorder-NOX 子集上排名第一（ROC-AUC 为 0.844），在 Disorder-PDB 子集上排名第十（ROC-AUC 为 0.924）。代码和模型已公开提供，并在 doi.org/10.24433/CO.7350682.v1 上完全可复现。
引用
@article{arxiv.2404.08108,
title = {DisorderUnetLM: Validating ProteinUnet for efficient protein intrinsic disorder prediction},
author = {Krzysztof Kotowski and Irena Roterman and Katarzyna Stapor},
journal= {arXiv preprint arXiv:2404.08108},
year = {2025}
}
备注
16 pages, 8 figures, 6 tables