通过知识偏好优化提升安全可控的蛋白质生成
人工智能
2025-07-16 v1
摘要
蛋白质语言模型已成为序列生成的强大工具， 在功能优化和 de novo 设计方面提供了显著优势。然而，这些模型也会生成有害的蛋白质序列，如增强病毒传播性或逃避免疫反应的序列，这凸显了关键的生物安全和伦理挑战。为此，我们提出了知识引导的偏好优化（Knowledge Preference Optimization，KPO）框架，通过蛋白质安全知识图谱整合先验知识。该框架采用高效的图裁剪策略识别优选序列，并利用强化学习最小化生成有害蛋白的风险。实验结果表明，KPO 有效降低了生成危险序列的概率，同时保持高功能性，为在生物技术领域应用生成模型提供了稳健的安全保障框架。
引用
@article{arxiv.2507.10923,
title = {Enhancing Safe and Controllable Protein Generation via Knowledge Preference Optimization},
author = {Yuhao Wang and Keyan Ding and Kehua Feng and Zeyuan Wang and Ming Qin and Xiaotong Li and Qiang Zhang and Huajun Chen},
journal= {arXiv preprint arXiv:2507.10923},
year = {2025}
}
备注
Accepted at ACL 2025 (Main Conference)